Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
DE
SISTEMAS ELTRICOS
DE
POTNCIA
OUTUBRO DE 2006
NDICE
Conceitos ...................................................................................................................
Permutaes e Combinaes ...................................................................................
Conceitos Prticos de Engenharia ..........................................................................
Diagramas de Venn ..................................................................................................
Regras ........................................................................................................................
Distribuies de Probabilidade ...............................................................................
4
5
5
6
6
9
26
26
29
30
33
Conceitos .................................................................................................................
Sistema Srie ...........................................................................................................
Sistema Paralelo ......................................................................................................
Sistema Srie-Paralelo ............................................................................................
Sistema Parcialmente Redundante ........................................................................
Sistema Redundante a Postos (standby) ............................................................
Sistemas Complexos ................................................................................................
34
34
36
37
38
39
40
ii
55
56
57
58
59
60
62
63
64
66
67
69
71
73
74
74
76
78
80
80
82
CAPTULO 1: Introduo
Em nossa sociedade moderna, os engenheiros so responsveis pelo planejamento,
projeto e construo de produtos que vo de simples aparelhos a sistemas extremamente
complexos (e neste caso inclui-se tambm a sua operao). A falha destes, pode causar efeitos
que vo da inconvenincia e irritao a impactos bastante severos para a sociedade e meio
ambiente. Portanto, fundamental saber o quo confivel e seguro so os produtos que
utilizamos.
2.1 Conceitos
0,5
P ( sucesso) =
no. de sucessos
no. de resultados possveis
P ( falha ) =
no. de falhas
no. de resultados possveis
P ( sucesso) = p =
s
s+ f
P( falha ) = q =
f
s+ f
p+q=1
Ex. 2.1: Qual a probabilidade de se obter cara (ou coroa) em um nico lance de uma moeda?
s=f=1
Ex. 2.2: Avalie a probabilidade de se obter cara (ao menos uma vez) em dois lances
consecutivos.
s: cara/cara ; cara/coroa ; coroa/cara = 3
f: coroa/coroa
P( s ) =
= 1
3
3
=
3 +1 4
P(9 pontos) =
4 1
=
36 9
permutao n Pr =
n!
n!
e combinao n C r =
.
(n r )!
r! (n r )!
f
P(de um particular evento ocorrer ) = lim
n n
sendo:
Quanto maior for o tamanho da amostra (n) melhor ser a estimativa para a
probabilidade acima.
indisponibilidade =
S
A
A e B: eventos
espao amostral
S:
2.5 Regras
Eventos que no podem ocorrer ao mesmo tempo. Ex.: as faces de uma moeda.
S
B
A
P( A B) =
Ento:
P( A B ) =
P( A B )
P( B)
P(B A) =
P( A B )
P ( A)
i) eventos independentes
A probabilidade de cada evento no influenciada pela probabilidade de
ocorrncia de outro:
P( A B ) = P( A)
P (B A ) = P (B )
logo: P( A B ) = P( AB ) = P( A) P( B)
P( A1 A2 ... Ai ... An ) = P ( Ai )
i =1
Ocorrncia de A ou B ou ambos:
P( A B) = P( A + B) = P( A) + P(B ) P( A B)
P( A1 A2 ... Ai ... An ) = P ( Ai )
i =1
P ( ABi ) = P( A Bi ) P( Bi )
n
P ( A) = P ( ABi ) = P( A Bi ) P( Bi )
i =1
i =1
B2
B5
B4
B3
Teorema de Bayes:
Se P( Bi A) =
P ( ABi ) P( A Bi ) P ( Bi )
=
,
P ( A)
P ( A)
P ( Bi A) =
ento:
P ( A B i ) P ( Bi )
n
P( A B j ) P( B j )
j =1
i) P(A) = 0,9x0,7 + 0,8x0,3 = 0,87 => De cada 100 equipamentos comprados, em mdia, 87 tero o pqm.
X(s)
Uma varivel aleatria pode ser discreta (no. discretos de estados ou no. contvel de
valores) ou contnua (no. infinito de estados ou no. incontvel de valores). Exemplos: o lance
de um dado tem 6 estados possveis, j uma corrente eltrica que pode assumir qualquer valor
entre 5 e 10 ampres, tem um nmero infinito de estados possveis.
0.25
0.20
freq. 3
0.15 prob.
0.10
0.05
0
5,97
5,98
5,99
6,00
metros
6,01
6,02
0.5
0.4
freq. 6
0.3 prob.
0.2
0.1
0
5,97
5,98
5,99
6,00
metros
6,01
6,02
i =1
i =1
P( X i ) = p i = 1
0.6
0.4
0.2
0
5,97
5,98
5,99
6,00
metros
6,01
6,02
Note que se x1 < x2, ento P{x1 < X x2} = F(x2) - F(x1), seja X uma va discreta ou contnua.
f(x)
contnua
discreta
Para va contnuas:
f ( x)dx = 1
P{ X = x1 } = 0
F ( xi ) = P{ X xi } =
xi
f ( x)dx
x2
P{x1 X x 2 } = F ( x 2 ) F ( x1 ) = f ( x)dx
x1
Para va discretas:
f ( x)dx = p i = 1
P{ X = x i } = p i = F ( x i ) F ( x i )
F ( x i ) = P{ X x i } = P{ X = x i }
i
P{x1 < X x 2 } =
x2
f ( x)dx
x1
P{x1 X x 2 } =
x2
f ( x)dx
x1
i tal que X x i
v) aproximaes para uma funo densidade contnua podem ser necessrias por
questo de processamento numrico.
f(x)
f(x)
contnua
discreta
pi
f(xi)
x
xi
xi
pi = reai = f(xi)
Quanto menor o mais a funo discreta se aproxima da funo contnua. O valor do
impulso pi pode ser interpretado como uma densidade de massa (de probabilidade).
vi) aproximaes para uma funo densidade discreta utilizada quando se deseja que
todos os impulsos de uma funo discreta sejam eqidistantes entre si (de um valor ).
pj
pi+1
pi
Xi
Xi-1
Xj
ij
Xi+1
Xi+2
j,i+1
j ,i +1
pj
p i +1 =
ij
pj
p i + p i +1 = p j
Na prtica a maioria das variveis aleatrias se comporta de acordo com um certo no.
de distribuies bastante conhecidas. Funes tpicas de distribuies discretas: binomial e
Poisson. Funes tpicas de distribuies contnuas: normal (Gaussiana), uniforme,
lognormal, exponencial, Weibull e Gamma.
E ( X ) = xi pi
... sendo
i =1
E( X ) =
pi = 1
i
xf ( x)dx
... sendo
f ( x)dx = 1
1
(5,97 + 5,97 + 5,98 + 5,98 + 5,98 + 5,99 + ... + 6 ,02 + 6 ,02)
20
= 5,97 0,10 + 5,98 0,15 + 5,99 0,25 + 6 ,00 0,25 + 6 ,01 0,10 + 6 ,02 0,15 = 5,9955
E( X ) =
va ganho:
+20
i =1
i =1
va discreta:
V ( X ) = {x i E ( X )} 2 p i = x i2 p i E 2 ( X )
va contnua:
V ( X ) = {x E ( X )}2 f ( x)dx =
Desvio padro:
2
2
x f ( x)dx - E ( X )
= + V (X )
X = + V ( X ) 1,499 10 2 m
Estes valores devem ser calculados com certo cuidado para evitar problemas de preciso.
16
Considere um nico lance de uma moeda, cujo resultado pode ser cara (H) ou coroa
(T), cada um tendo uma probabilidade de ocorrncia igual a . Todos os possveis resultados
e suas probabilidades podem ser expressos por:
P(H) + P(T) = [P(H) + P(T)]1
Suponha, agora, que a moeda lanada duas vezes. Os resultados possveis so (HH),
(HT), (TH) e (TT), ou ainda, (HH), 2(HT) e (TT) caso somente a combinao de resultados, e
no a sua ordem, seja de interesse. Neste caso, as probabilidades de ocorrncia so , e ,
respectivamente. Tal resultado obtido pela seguinte expresso:
[P(H) + P(T)]2 = P(H)P(H) + 2P(H)P(T) + P(T)P(T) = + +
V-se que o lanamento de uma moeda ou qualquer outro experimento similar pode
ser analisado pela expresso binomial (p + q)n. Se no exemplo anterior o evento cara
definido como sucesso e coroa como falha, os conceitos descritos anteriormente podem ser
relacionados aos conceitos de confiabilidade em que p representa a probabilidade de sucesso e
q = 1 p representa a probabilidade de falha de um dado equipamento.
17
n!
p r q nr = n C r p r q nr
r! (n r )!
Finalmente, ( p + q) n = n C r p r q n r = 1
r =0
Exemplo 3.1: Uma moeda lanada 5 vezes. Avalie a probabilidade de cada resultado
possvel e desenhe as funes densidade e distribuio de probabilidade.
Nmero de
Caras
Coroas
0
1
2
3
4
5
Prob. Individual
Expresso
Valor
(1/2)5
1
4
5C1(1/2) (1/2)
2
3
5C2(1/2) (1/2)
3
2
5C3(1/2) (1/2)
4
1
5C4(1/2) (1/2)
5
0
5C5(1/2) (1/2)
5
4
3
2
1
0
5C0(1/2)
1/32
5/32
10/32
10/32
5/32
1/32
Prob.
Acumulada
1/32
6/32
16/32
26/32
31/32
32/32
10/32
Prob.
5/32
1/32
0
Exemplo 3.2: Um dado lanado 6 vezes. Calcule a probabilidade de se obter a face 2, zero,
uma, duas, ..., seis vezes.
18
Nmero de
Sucessos
Falhas
0
1
2
3
4
(3/4)4
1
3
4C1(1/4) (3/4)
2
2
4C2(1/4) (3/4)
3
1
4C3(1/4) (3/4)
4
0
4C4(1/4) (3/4)
4C0(1/4)
4
3
2
1
0
Valor Esperado:
Prob. Individual
Expresso
Valor
0
81/256
108/256
54/256
12/256
1/256
Prob.
Acumulada
81/256
189/256
243/256
255/256
256/256
Varincia:
V(XBIN) = npq
= 0,9862
19
Estado do Sistema
Probabilidade Individual
0,94 = 0,6561
40,930,1 = 0,2916
2 componentes falham
60,920,12 = 0,0486
3 componentes falham
40,90,13 = 0,0036
0,14 = 0,0001
20
NSUC
6
R
NC
4
5
Q
...
...
0,531441 0,468559
...
0,885735 0,114265
0,59049
0,40951
...
0,984150 0,015850
0,91854
0,08146
0,6561
0,3439
...
0,998730 0,001270
0,99144
0,00856
0,9477
0,0523
...
0,999945 0,000055
0,99954
0,00046
0,9963
0,0037
...
0,99999
0,000001
0,99999
0,00001
0,9999
0,0001
...
0,9
0,1
Veja que (valores sublinhados), para sistemas sem redundncia, a confiabilidade (R) decresce
com o aumento do no. de componentes (NC). J para sistemas com redundncia (valores em
negrito), a confiabilidade cresce com o aumento do no. de componentes (NC).
Em alguns casos o critrio anteriormente usado, baseado no nmero de componentes,
substitudo por outro baseado na capacidade do componente (que pode, por exemplo, ser
expressa por um percentual em relao capacidade de sada do sistema). Isto
particularmente til em problemas envolvendo fluxos.
Estados Intermedirios: Anteriormente foi assumido que os estados de um sistema
podem ser combinados para formar um sistema de 2 estados no qual um grupo de estados
classificado como sucesso e o outro como falha. Este mtodo despreza o fato que, na prtica,
alguns dos estados do sistema podem no cair em qualquer um desses grupos. Por exemplo, o
sistema de gerao de energia eltrica pode operar com capacidade mxima (todas as
unidades disponveis), capacidade zero (nenhuma unidade disponvel) ou com capacidades
intermedirias devido a uma falha parcial do sistema (algumas unidades indisponveis).
21
Este tipo de problema pode ser resolvido atravs da construo de uma tabela de
probabilidade da capacidade indisponvel (ou disponvel) usando a distribuio binomial. Esta
tabela usualmente referida por COPT - capacity outage (available) probability table.
Exemplo: Um parque de gerao est sendo projetado para satisfazer uma carga constante de
10 MW. Quatro alternativas esto sendo consideradas:
(a) 1 x 10 MW, (b) 2 x 10 MW, (c) 3 x 5 MW e (d) 4 x 3 1/3 MW
A primeira alternativa tem redundncia zero, enquanto que as outras 3 alternativas tm uma
unidade de reserva acima do nvel de demanda de 10 MW. A probabilidade de falha
individual para todas as unidades a mesma e igual a 0,02. Na maioria das aplicaes em
engenharia esta probabilidade denominada indisponibilidade da unidade. Em estudos de
avaliao da capacidade geradora tal indisponibilidade conhecida por taxa de sada forada
(FOR forced outage rate). Neste exemplo a disponibilidade igual a 0,98.
COPT
Unidades
Indisponveis
Capacidade (MW)
Indisponvel
Disponvel
Probabilidade
Individual
(a) 1 unidade de 10 MW
0
1
0
10
10
0
0,98
0,02
0
10
20
20
10
0
0,982 = 0,9604
20,980,02 = 0,0392
0,022 = 0,0004
0
5
10
15
15
10
5
0
0,983 = 0,941192
0,057624
0,001176
0,000008
0
3 1/3
6 2/3
10
13 1/3
13 1/3
10
6 2/3
3 1/3
0
(b) 2 unidades de 10 MW
0
1
2
(c) 3 unidades de 5 MW
0
1
2
3
0,984 = 0,92236861
0,07529536
0,00230496
0,00003136
0,00000016
22
Capacidade
Probabilidade
Perda de
Indisponvel (MW)
EPNS (MW)
Carga (MW)
(a) 1 unidade de 10 MW
0
10
0,98
0,02
0,9604
0,0392
0,0004
0,941192
0,057624
0,001176
0,000008
0,92236861
0,07529536
0,00230496
0,00003136
0,00000016
0
10
0
0,2
0,2 MW
0
0
10
0
0
0,004
0,004 MW
0
0
5
10
0
0
0,00588
0,00008
0,00596 MW
(b) 2 unidades de 10 MW
0
10
20
(c) 3 unidades de 5 MW
0
5
10
15
0
0
3 1/3
6 2/3
10
0
0
0,00768320
0,00020907
0,00000160
0,00789387 MW
23
proporcionais capacidade total instalada. A tabela abaixo mostra o custo para cada
alternativa considerando que 10 MW representa 1 pu de custo. Porm, fica a pergunta: como
comparar confiabilidade (via ndice EPNS) e custo de investimento ($)?
Alternativa
EPNS (MW)
Custo (pu)
1 10 MW
0,20000
1,00
2 10 MW
0,00400
2,00
3 5 MW
0,00596
1,50
4 3 1/3 MW
0,00789
1,33
Alternativa
LOLP
LOLE
(h/ano)
EPNS
(MW)
EENS
(MWh/ano)
1 10 MW
0,020000
175,200
0,20000
1752,00
2 10 MW
0,000400
3,504
0,00400
35,04
3 5 MW
0,001184
10,372
0,00596
52,21
4 3 1/3 MW
0,002336
20,468
0,00789
69,12
24
Alternativa
FOR = 2%
FOR = 4%
FOR = 6%
1 10 MW
0,20000
0,40000
0,60000
2 10 MW
0,00400
0,01600
0,03600
3 5 MW
0,00596
0,02368
0,05292
4 3 1/3 MW
0,00789
0,03112
0,06909
COPT1 2x20 MW
Capacidade
Indisponvel (MW)
0
20
40
COPT2 1x30 MW
Probabilidade
Capacidade
Indisponvel (MW)
0.92 = 0,81
0
30
20,90,1 = 0,18
0,12 = 0,01
COPTSISTEMA
0
20
30
40
50
70
0,9
0,1
= 1,0
= 1,0
Capacidade
Indisponvel (MW)
Probabilidade
Probabilidade
0,810,9 = 0,729
0,180,9 = 0,162
0,810,1 = 0,081
0,010,9 = 0,009
0,180,1 = 0,018
0,010,1 = 0,001
25
...
(pi + qi) . . .
(pn + qn)
Uma expanso da expresso acima produziria uma equao que similar em conceito
expanso binomial. Porm, a expresso acima s pode ser expandida e usada diretamente se
o no. de unidades relativamente pequeno. Em vez disso, a tcnica utilizada no exemplo
anterior pode ser empregada. Deste modo, o primeiro passo combinar todas unidades
idnticas via distribuio binomial. So, ento, formados grupos de unidades idnticas que
podem ser combinados conforme exemplo anterior (via convoluo).
Exerccio 3.4: Refaa o exemplo anterior considerando uma indisponibilidade (FOR) igual a
0,15 para a unidade de 30 MW.
COPTSISTEMA
Capacidade
Indisponvel (MW)
Probabilidade
0,810,85 = 0,6885
0,180,85 = 0,1530
0,810,15 = 0,1215
0,010,85 = 0,0085
0,180,15 = 0,0270
0,010,15 = 0,0015
0
20
30
40
50
70
Exemplo 3.5: Considere que o sistema do Exemplo 3.4 deve atender a uma carga constante e
igual a 40 MW. Calcule LOLP, LOLE, EPNS e EENS.
Capacidade
Probabilidade
Perda de
Indisponvel (MW)
0
20
30
40
50
70
EPNS (MW)
Carga (MW)
0,6885
0,1530
0,1215
0,0085
0,0270
0,0015
0
0
0
10
20
40
0
0
0
0,085
0,540
0,060
0,685 MW
26
Cada estado de um sistema de potncia pode ser representado por um vetor x = (x1, x2,
..., xm), onde xi o estado do i-simo componente [PPCO90]. Cada componente de x deve
corresponder a um elemento do sistema (geradores) ou ao nvel momentneo da carga. O
espao de estados, ou seja, todas as possveis realizaes de x denotado por X. A cada
estado x X associada um probabilidade de ocorrncia P(x). Se as falhas de cada
componente e as transies da carga so estatisticamente independentes, P(x) fica igual ao
produto das probabilidades associadas com o estado de cada componente e da carga.
(4.1)
O objetivo destas funes teste verificar se, e/ou de que forma, uma determinada
configurao de geradores capaz de suprir uma dada carga.
27
( ))
(4.2)
( ))
(4.3)
Tomando a avaliao da LOLP como exemplo, Flower pode ser feita igual a zero (no
h corte de carga para todos os estados no pertencentes a X) e Fupper ser ento igual a um.
Por conseguinte:
LOLPlower =
F ( x ) P( x )
(4.4)
x X '
(4.5)
28
Exemplo 4.1: Considere um sistema formado por 2 unidades de 20 MW (com FOR = 0,1) e 1
unidade de 30 MW (com FOR = 0,15). Calcule os ndices LOLP, LOLE, EPNS e EENS
apresentados por este sistema, ao atender uma carga de 40 MW.
29
Usina
Unidades
FOR
(%)
Min.
Max.
6.00
12.00
10
10.00
20.00
10
10.00
20.00
30.00
76.00
30.00
76.00
60.00
100.00
80.00
155.00
80.00
155.00
80.00
155.00
10
80.00
197.00
11
150.00
350.00
12
12
200.00
400.00
13
12
200.00
400.00
14
16.00
50.00
Exerccio: Como pode ser verificado este sistema suporta toda e qualquer contingncia
simples. Somente algumas poucas contingncias duplas produzem corte de carga. Baseado
nestas observaes estime ndices de confiabilidade utilizando o critrio N-2, i.e. at
contingncia de segunda ordem.
30
Sero vistos neste captulo apenas os conceitos bsicos do mtodo de Monte Carlo e
sua aplicao ao clculo de ndices de probabilidade e energia para sistemas de gerao,
utilizando a representao a espao de estados (simulao Monte Carlo No-Seqencial)
[PB92]. A obteno de ndices de freqncia e durao (F&D) e de custo de interrupo,
assim como a representao cronolgica (simulao Monte Carlo Seqencial) [S90, M94],
deixada para o final deste curso.
Lance de uma moeda: sabe-se que a probabilidade de dar cara ou coroa 0,5. Estas
probabilidades podem ser estimadas usando o conceito de freqncia relativa. Faa uma
simulao usando 20 lances da moeda. Voc poder concluir que:
i) um no. pequeno de lances produz estimativas pobres para as probabilidades (cara e coroa);
ii) os valores estimados oscilam mas tendem para 0,5 (valor correto);
iii)o valor correto pode ser obtido diversas vezes durante a simulao;
iv) necessrio definir quando se deve interromper o processo de simulao.
Simulao: Quando um sistema real examinado, a ocorrncia de eventos segue o
conhecidos como random number generators, para gerar nos. pseudo-aleatrios seguindo uma
distribuio uniforme. Tais geradores devem ter:
i) aleatoriedade e distribuio uniforme;
ii) um perodo grande at que a seqncia se repita;
iii)capacidade de reproduzir a mesma seqncia (usando a mesma semente).
F ( X ) = 1 e x
31
F(X)
1,0
Ui
xi
ln(1 U ) =
ln U ,
1,0
Ui
0
a
xi
1,0
Ui
q
Uj
0
f
Exemplo: Usando a funo Random de sua calculadora, obtenha uma estimativa para a
probabilidade de se obter cara em um lanamento de uma moeda. Lembre-se que para este
experimento P(s) = P(f) = p = q = . Faa 10 repeties do experimento e estime a
probabilidade de dar cara por: P(H) = (no. de caras)/(no. de sorteios).
se x k < 0,5
se x k > 0,5
~
1
E ( F ( X )) =
N
F (x )
i
i =1
SORTEIO
VALOR
FH(x)
FH(x)
[FH(x)]2
~
E(FH (x))
0,2
0,6
1/2
0,3
1/3
0,1
1/4
0,7
2/5
0,8
1/2
0,6
4/7
0,4
1/2
0,9
5/9
10
0,2
1/2
Critrio de parada: como definir o instante no qual o processo de simulao deve ser
interrompido? Um alternativa clara definir o no. mximo de repeties. Porm, neste caso,
no ser possvel afirmar se o processo est convergido, i.e. se o desvio em torno da estimativa
aceitvel.
~
~
{F ( x ) E[ F ( X )]} [F ( x )]
N
sendo:
V [ F ( X )] =
i =1
N 1
2
~
N E[ F ( X )]
i =1
N 1
[F
V [ FH ( X )] =
2
~
( xi )]2 N E[ FH ( X )]
i =1
N 1
5 10 (1 2) 2
= 0,27777777
9
V ( FH ( X )) 0,27777777
~
V [ E ( FH ( X ))] =
=
= 0,02777777
10
N
~
V [ E ( FH ( X ))]
=
~
E ( FH ( X ))
0,02777777
= 0,3333 ou 33,33%
12
5.1 Conceitos
do ponto de vista da confiabilidade se todos eles precisam operar para o sucesso do sistema,
ou se a falha de apenas um provoca a falha do sistema.
Sistemas paralelo (redundantes): caso em que somente um componente necessrio
para o sucesso do sistema, ou todos os componentes devem falhar para que haja falha do
sistema.
Um sistema fsico, com uma estrutura topolgica fixa, pode ter diferentes
redes/estruturas topolgicas de confiabilidade visto que os requisitos do sistema podem
mudar.
RB + QB = 1
Supondo A e B independentes:
RS = RA RB
Generalizando para n componentes em srie:
R S = Ri
i =1
Esta equao estabelece que a confiabilidade de um sistema srie dada pelo produto
das confiabilidades individuais dos componentes. J a no-confiabilidade ou probabilidade de
falha do sistema ser:
QS = 1 - RARB = QA + QB - QAQB
Para um sistema com n componentes em srie:
Q S = 1 Ri
i =1
RS
RC
0,9000
0,9500
0,9900
0,9999
NC = 1
NC = 10
NC = 20
NC = 30
NC = 40
NC = 50
NC = 60
NC = 70
0,9000
0,9500
0,9900
0,9999
0,348678
0,000627
0,999000
0,993024
Exemplo: Um sistema srie tem dois componentes idnticos (RA = RB = 0,99). Avalie sua
falibilidade.
QS = 1,0 - 0,992 = 0,0199
ou
V-se que QS 0,01 + 0,01 = 0,02 uma aproximao vlida quando o no. de componentes
pequeno e a confiabilidade de cada componente elevada (o produto QAQB desprezado).
Para n componentes: R P = 1 Q P = 1 Qi
i =1
Note que as equaes para o sistema paralelo tm a mesma forma das equaes do
sistema srie trocando R por Q. Para os sistemas paralelo a falibilidade decresce quando o no.
de componentes aumenta e quando a falibilidade dos componentes diminui.
NC
RSISTEMA
RINCREMENTAL
RINCREMENTAL (%)
2
3
4
5
6
0,960000
0,992000
0,998400
0,999680
0,999936
0,160000
0,192000
0,198400
0,199680
0,199936
20,00
24,00
24,80
24,96
24,99
Estes sistemas devem ser reduzidos seqencialmente atravs das combinaes dos
elementos em srie e paralelo at a obteno de um nico elemento equivalente.
2
4
(a)
7
8
5
(b)
(c)
Ento:
(a) Q6 = Q3Q4
(b) Q7 = 1 (1 Q1)(1 Q2)(1 Q6) = 1 (1 Q1)(1 Q2)(1 Q3Q4)
(c) Q8 = Q7Q5 = {1 (1 Q1)(1 Q2)(1 Q3Q4)}Q5
ou em termos da confiabilidade R: ...
Sendo Qi = 0,2 QS = Q8 = 0,07712
1
3
6
7
(a)
10
11
7
(c)
(b)
Ento:
(a) Q8 = Q2Q3
Q9 = Q4Q5R6 + Q4R5Q6 + R4Q5Q6 + Q4Q5Q6
se Q6 = Q5 = Q4 Q9 = (Q4)3 + 3(Q4)2R4
(b) Q10 = 1 (1 Q1)(1 Q8)(1 Q9)
(c) Q11 = Q10Q7
= {1 (1 Q1)(1 Q2Q3)(1 [Q4Q5R6 + Q4R5Q6 + R4Q5Q6 + Q4Q5Q6])}Q7
Supondo Qi = 0,2 QS = Q11 = 0,06237
Alguns componentes redundantes podem permanecer no modo standby, i.e. podem ser
chaveados para o modo de operao quando um componente normalmente em operao falha.
Chaveamento perfeito: a chave no falha durante sua operao normal (posio usual)
Considere agora que a chave possa falhar em sua posio normal de operao com
probabilidade QNR (RNR = 1 QNR). Ento:
RS = {1 [QA - QAPCH(1 QB)]}RNR
A
CH
B
NR
C
E
Existem vrias tcnicas para avaliar a confiabilidade deste tipo de estrutura, entre elas
as mais importantes so:
i)
ii)
iii)
iv)
v)
Exemplo: Considere o sistema da Fig. 5.7, onde o sucesso da operao requer que pelo menos
um dos caminhos AC, BD, AED e BEC estejam disponveis. Avalie a expresso geral de
sucesso e a confiabilidade do sistema, considerando RCOMPONENTE = 0,99.
Para aplicar a expresso acima deve-se escolher para x o componente que traz maior
simplificao ao problema. Fazendo x = E, tem-se a seguinte subdiviso do sistema original:
E est bom
E est ruim
anterior:
i) pode ser facilmente programado, permitindo uma avaliao eficiente de uma rede geral;
ii) os conjuntos de corte esto diretamente relacionados aos modos de falha do sistema e,
portanto, identificam como o sistema falha.
Definio: um conjunto de corte mnimo um conjunto de componentes do sistema que,
quando falha, causa a falha do sistema, mas quando qualquer componente desse conjunto no
falha, no causa falha no sistema.
Exemplo: Para o sistema da Fig. 5.7 teremos a tabela abaixo.
No. do conj. de corte mnimo
1
2
3
4
AB
CD
AED
BEC
Para que haja falha do sistema necessrio a falha de pelo menos um conjunto de
corte (o qual falha se todos os seus componentes falharem). Portanto, do ponto de vista de
uma rede de falibilidade tem-se:
A
Conj.s de
Corte
C1
C2
C3
C4
QSIST = 0,00020195
RSIST = 0,99979805
identificar os conjuntos de corte mnimo por inspeo visual. A seguir apresentado um dos
diversos mtodos de identificao existentes.
Definio: Um caminho entre os pontos de entrada e sada de uma rede mnimo se nenhum
n percorrido mais de uma vez.
Mtodo:
i) deduza todos os caminhos mnimos;
ii) construa a matriz de incidncia que identifica todos os componentes em cada caminho;
iii) se todos os elementos de qualquer coluna da matriz de incidncia so no-nulos, o
componente associado a esta coluna forma um corte mnimo de 1a ordem;
iv) combine (soma pela lgebra booleana) 2 colunas da matriz de incidncia. Se todas as
combinaes so no-nulas, os componentes associados a essas duas colunas formam um
corte de 2a ordem. Elimine qualquer corte contendo os elementos de corte de 1a ordem,
para obter os cortes mnimos de 2a ordem;
v) repita o passo anterior com trs colunas, eliminando os cortes de 3a ordem contendo
elementos relativos aos cortes de 1a e 2a ordem;
vi) continue at que o corte de ordem mxima tenha sido alcanado.
Exemplo: A partir do mtodo acima, deduza os cortes mnimos para o sistema da Fig. 5.7.
i) caminhos mnimos: AC, BD, AED e BEC;
ii) matriz de incidncia:
COMPONENTE
CAMINHO
1
2
3
4
1
0
1
0
0
1
0
1
1
0
0
1
0
1
1
0
0
0
1
1
iii) no existe nenhuma coluna cujos elementos so todos no-nulos. Portanto, no existem
cortes de 1a ordem;
iv) combinao de duas colunas: A + B 1 + 0 = 1
0+1=1
1+0=1
0+1=1
; B + C 1 ; etc.
1
0
1
N. Allan, Reliability Evaluation of Engineering Systems, Plenum Press, New York (1992)].
44
(6.1)
45
dQ(t )
dR(t )
=
dt
dt
(6.2)
ou
t
Q(t ) = f ( )d
R (t ) = 1 f ( )d =
f ( )d
Na figura abaixo tem-se uma funo densidade de falha hipottica, a partir da qual
possvel identificar a probabilidade de falha at t [Q(t)] e a probabilidade de sobreviver alm
de t [R(t)].
f(t)
Q(t)
0
R(t)
t
tempo
(6.3)
46
N f (t )
N S (t ) N 0 N f (t )
=
= 1
N0
N0
N0
(6.4)
N f (t )
N0
(6.5)
dQ(t )
dR (t )
1 dN f (t )
=
=
dt
dt
N0
dt
(6.6)
Comparando as eqs. (6.3) e (6.6), e lembrando que NS(0) = N0, conclui-se que (0) =
f(0), ou ainda, que para um instante t qualquer:
(t ) =
dN f (t )
N0
1
1 dN f (t )
N S (t )
dt
N S (t ) N 0
dt
(6.7)
f (t )
R (t )
(6.8)
A partir de (6.2):
(t ) =
dR (t )
1
R (t )
dt
(6.9)
47
R(t ) = e
(t ) dt
(6.10)
(6.11)
A curva que representa a taxa de risco em funo do tempo tem uma forma tpica
denominada por curva banheira, sendo geralmente dividida em trs regies distintas. A
regio I (onde decrescente) conhecida como a fase da mortalidade infantil ou fase de
depurao, e caracteriza os erros de fabricao. A regio II conhecida como perodo de vida
til ou operao normal e caracterizada por um praticamente constante. Nesta regio,
onde as falhas ocorrem puramente ao acaso, a aplicao da distribuio exponencial vlida.
A regio III representa a fase de desgaste ou fadiga, sendo caracterizada por um crescimento
rpido da taxa de falha com o tempo.
(t)
I
II
III
tempo
f(t)
I
II
III
tempo
0
Estas trs regies podem ser identificadas tambm atravs da curva da funo
densidade de falha. Na regio II a funo densidade de falha segue bem prxima a uma curva
exponencial negativa que pode ser extrapolada em ambos os lados (linhas tracejadas). A
regio I apresenta valores significativamente maiores do que aqueles que seriam obtidos se a
curva exponencial tivesse sido usada a partir de t = 0. Na regio III, a funo densidade
primeiro cresce para depois decrescer at zero, podendo ser aproximada por um modelo de
distribuio Normal, Gamma ou Weibull.
Caso haja uma manuteno preventiva constante e cuidadosa, a maioria dos
componentes e sistemas podem permanecer dentro do perodo de operao normal (regio II)
durante a maior parte de suas vidas economicamente viveis. Sob esta hiptese vlido
utilizar taxas de falha constantes, simplificando em muito o processo de avaliao da
confiabilidade.
6.4 A Distribuio Exponencial
Vrias funes de distribuio de probabilidade (Poisson, Binomial, Normal, Weibull,
Gamma, etc.) tm aplicao na avaliao da confiabilidade de sistemas, dentre elas a mais
utilizada e conhecida a distribuio exponencial (a qual pode ser vista como um caso
particular das distribuies de Poisson, Gamma e Weibull).
O fator mais determinante para a popularidade da distribuio exponencial est em
sua taxa de falha constante, o que a torna bastante eficiente para a anlise de sistemas
reparveis, nos quais os componentes alternam entre os estados de operao (up) e de falha
(down).
Se a taxa de falha constante, a probabilidade de um componente sobreviver alm de t
( i.e., a funo sobrevivncia) dada pela equao (6.11). Portanto, a fdp de falha :
f (t ) =
dR(t )
= e t
dt
(6.12)
f(t)
Q(t)
0
R(t)
t
tempo
R(t ) = e t dt = e t
t
Q(t ) = e t dt = 1 e t = 1 R(t )
o
T +t
dt = e T e (T +t )
Ento:
P(A/B) = QC(t) =
e T e (T +t )
= 1 e t = Q(t)
e T
f(t)
P(AB)
1-P(B)
T+t
tempo
50
Sendo:
E (t ) = tf (t )dt = t e t dt
2 = t 2 e t dt
E 2 (t )
= 1/
Certa confuso surge com relao a esta terminologia devido a um termo ligeiramente
diferente: tempo mdio entre falhas (mean time between failures MTBF). No caso de
sistemas reparveis, o valor MTBF indica o ciclo de tempo entre falhas. Portanto:
MTBF = MTTF + MTTR
onde MTTR indica o tempo mdio para reparo (mean time to repair).
Para a maioria dos equipamentos MTTF >> MTTR, portanto MTTF MTBF.
51
RS (t ) = e
1 (t ) dt
0
2 (t ) dt
(6.13)
Para um sistema srie formado por n componentes com taxas de falha 1(t), 2(t), ...,
n(t), tem-se:
t
RS (t ) = e
i (t ) dt
(6.14)
i =1
do
sistema
pode
ser
representado
por
sua
correta
distribuio.
Consequentemente, dado que a expresso i(t) conhecida e que pode ser integrada, a
avaliao de RS(t) para qualquer conjunto de componentes sries prontamente obtida. Se a
expresso de i(t) no pode ser expressa analiticamente, tcnicas de integrao numrica
devem ser usadas na avaliao de RS(t).
(6.15)
RS (t ) = e
i t
= e
i t
i =1
i =1
(6.16)
As equaes 6.13 a 6.16 so vlidas para qualquer sistema que possa ser descrito por
um sistema srie, isto , qualquer sistema em que todos os componentes devem operar para o
seu sucesso. Se tais sistemas forem representados por um nico componente equivalente, com
taxa e(t), a expresso de RS(t) para o caso geral ser:
52
RS (t ) = e
e (t ) dt
0
= e
i (t ) dt
0
n t
i (t ) dt
i =1 0
t n
i ( t ) dt
e 0 i=1
i =1
logo:
n
e (t ) = i (t )
i =1
e = i
i =1
1000
= 0,9393
10000
= 0,4653
1 (t ) dt
0
Q P (t ) = 1 e
2 (t ) dt
0
1 - e
e
RP(t) = 1 - Q1(t) Q2(t) = R1(t) + R2(t) - R1(t)R2(t)
53
i ( t ) dt
0
QP (t ) = 1 e
i =1
e
t
i (t ) dt
R P (t ) = 1 1 e 0
i =1
Estas equaes podem ser usadas com qualquer tipo de distribuio, fornecendo a
probabilidade de sobrevivncia alm de t ou, alternativamente, a probabilidade de falha no
perodo de tempo t.
) (
Q P (t ) = 1 e 1t 1 - e 2t = 1 e 1t + e 2t e ( 1 + 2 )t
e
R P (t ) = e 1t + e 2t e ( 1 + 2 )t
Para n componentes:
n
Q P (t ) = 1 e i t
i =1
e
n
RP (t ) = 1 1 e i t
i =1
Deve-se notar que para um sistema paralelo no possvel obter uma taxa de risco
equivalente, pois no mais possvel expressar a confiabilidade do sistema por uma nica
funo exponencial e sim por uma srie de funes exponenciais. Portanto, mesmo quando
todos os componentes de um sistema paralelo possuem taxa de falha constante (i.e.,
distribuio exponencial), a taxa de falha resultante ser dependente do tempo (i.e.,
distribuio no exponencial).
54
Exemplo: Avalie a probabilidade de sobreviver 1000 hs e 10000 hs se: (a) dois, (b) trs
circuitos idnticos queles do exemplo anterior so usados. assumido que o sucesso da
operao requer que pelo menos um circuito funcione.
Do exemplo anterior temos que i = 6,2610-5 f/h.
(a)
R P (1000) = e 6, 2610
1000
+ e 6, 2610
1000
e 26,2610
1000
= 0,9963
RP(10000) = 0,7835
Estes resultados poderiam ter sido avaliados a partir dos resultados do exemplo anterior. Como?
(b)
R P (1000) = 1 1 e 6, 2610
1000
) = 0,9998
3
RP(10000) = 0,8993
Qi(t) = 1 - e-it
Exemplo: Considere um sistema com 4 unidades idnticas cada uma tendo uma taxa de falha
de 0,1 f/ano. Avalie a probabilidade do sistema sobreviver 0,5 anos e 5,0 anos se pelo menos
duas unidades devem operar para o sucesso do sistema.
RSIST(t) = R4(t) + 4R3(t)Q(t) + 6R2(t)Q2(t)
RSIST(t) = e-0,4 + 4e-0,3 (1- e-0,1 ) + 6e-0,2 (1- e-0,1 )
t
RSIST(0,5) = 0,9996
t 2
RSIST(5,0) = 0,8282
55
7.1 Introduo
No captulo anterior foram descritas vrias tcnicas analticas para avaliar a confiabilidade de sistemas no-reparveis. Estas tcnicas podem ser tambm aplicadas em sistemas
reparveis, desde que seja assumido que o processo de reparo instantneo, ou desprezvel se
comparado com o tempo de operao, o que pode ser uma grave restrio para inmeros
problemas prticos. Em tais casos a modelagem de Markov tem sido freqentemente utilizada.
As tcnicas de Markov podem ser aplicadas na modelagem do comportamento
aleatrio de sistemas que variam de maneira discreta ou contnua com o tempo e espao. Nem
todos os processos estocsticos podem ser modelados usando as tcnicas de Markov, embora
tais tcnicas possam ser estendidas para avaliar certos tipos de processos [BA92].
Para que as tcnicas de Markov sejam aplicveis, o comportamento do sistema deve
ser caracterizado pela falta de memria, i.e., os estados futuros de um sistema so
independentes de todos os estados passados exceto aquele imediatamente precedente.
Portanto, o comportamento futuro de um sistema depende somente do estado em que ele se
encontra no momento presente e no dos estados em que residiu anteriormente ou da maneira
como chegou ao presente estado. Tambm necessrio que o processo (estocstico) seja
estacionrio, o que significa que a probabilidade de transio de um estado para outro
sempre a mesma (estacionria) em qualquer instante de tempo (passado ou futuro).
As tcnicas de Markov so aplicveis em sistemas que possam ser descritos por uma
distribuio de probabilidade que caracterizada por uma taxa de transio constante
(Poisson e exponencial), pois somente taxas constantes fazem com que a probabilidade da
transio entre dois estados permanea constante no tempo. Se esta probabilidade uma
funo do tempo, ento, o processo no-estacionrio e designado no-Markoviano.
No caso geral dos modelos de Markov, tanto o espao quanto o tempo podem ser
discretos ou contnuos. No caso particular da avaliao da confiabilidade de sistemas, o
espao representado por um conjunto (espao) de estados discretos e identificveis nos
56
quais o sistema e componentes podem residir. J o tempo pode ser considerado discreto
(cadeias de Markov) ou contnuo (processos de Markov).
7.2 Cadeias de Markov
Considere o sistema abaixo em que dois estados esto identificados, assim como as
probabilidades de permanecer ou deixar cada estado em um particular intervalo de tempo
(t). Tais probabilidades so assumidas constantes para todos os intervalos de tempo (t) no
futuro. Tem-se, ento, uma cadeia de Markov, visto que o sistema estacionrio e o
movimento entre estados ocorre em passos discretos.
1/2
1/2
3/4
1/4
Figura 7.1
3
Probs
1/8
1/8
1/16
3/16
1/16
1/16
3/32
9/32
57
Intervalo
1
2
3
4
5
P(1)
1/2 = 0,500
3/8 = 0,375
11/32 = 0,344
43/128 = 0,336
171/512 = 0,334
P(2)
1/2 = 0,500
5/8 = 0,625
21/32 = 0,656
85/128 = 0,664
341/512 = 0,666
O estado do sistema no tempo zero ou passo zero (no caso o estado 1) conhecido
como condio inicial, a qual conhecida para a maioria dos problemas de avaliao da
confiabilidade. Portanto, o problema principal avaliar a confiabilidade do sistema para um
tempo futuro. Pode-se demonstrar que, embora o perodo transitrio seja muito dependente da
condio inicial, os valores limites das probabilidades dos estados so totalmente
independentes da condio inicial. Assim, se o estado inicial para o exemplo em questo fosse
o estado 2, o perodo transitrio seria totalmente diferente mas os valores limites das
probabilidades seriam exatamente aqueles mostrados na tabela acima. Um sistema (processo)
em que os valores limites das probabilidades dos estados independe das condies iniciais
conhecido como sistema (processo) ergdico.
A obteno dos valores limites de probabilidade para os estados atravs da montagem
de rvores fica totalmente impraticvel para grandes sistemas, ou at mesmo para pequenos
sistemas se a anlise de um nmero grande de intervalos de tempo necessria.
7.2.1 Matriz de Probabilidade de Transio Estocstica
Atravs deste mtodo possvel obter (de maneira eficiente):
i) a probabilidade absoluta do sistema ocupar os vrios estados aps um dado nmero de
transies;
ii) a probabilidade de encontrar o sistema em um determinado estado dado que ele vem
efetuando transies por um longo tempo.
58
Pn1
P12
P22
.
Pn1
... P1n
... P2 n
.
.
... Pnn
(7.1)
onde: Pij = probabilidade de transio para o estado j, depois de um intervalo de tempo, dado
que o sistema estava no estado i.
n
Pij = 1,0
j =1
A expresso 7.1 representa a transio para o primeiro intervalo de tempo, i.e.: E(1) =
E(0)P, onde E(0) a condio inicial e E(1) contm as probabilidades dos estados aps o
primeiro intervalo de tempo.
Para o exemplo da Figura 7.1:
E (1) =
[1 0] 1 2 1 2
1 4 3 4 = [1 2 1 2]
P3 = P2P, ...,
Pn = Pn-1P.
P12 P11
P22 P21
59
0,5] (Qual o
significado disto?). Obviamente os valores contidos em E(0) devem somar 1,0. Atravs da
expresso abaixo possvel obter as probabilidades dos estados para condies iniciais deste
tipo.
E(n) = E(0)Pn
(7.2)
Exemplo: Para a condio inicial E(0) = [0,5 0,5], como ficam as probabilidades dos estados
do sistema da Figura 7.1, aps 1, 2, 3 e 4 transies?
7.2.3 Avaliao da Probabilidade Limite dos Estados
Os valores limites ou estacionrios das probabilidades dos estados de um sistema
(processo) ergdico podem ser avaliados da seguinte forma:
E(1) = E(0)P
E(2) = E(1)P
......................
E(n) = E(n-1)P
possvel verificar que quando n a ltima expresso fica: E(n) = E(n)P, pois
E(n-1) fica igual a E(n).
60
E2] = [E1
[E1
E2 ] =
E2], tem-se:
E2]P
ou
[ E1
E 2 ] 1 2 1 2
1 4 3 4
Ento:
E1 = E1 + E2
E2 = E1 + E2
0 = E1 + E2
0 = E1 E2
[0 1] =
[ E1
E2 ] 1 2 1 [ E1
1 4 1 =
E2 ] P11 1 1
P
21 1
61
Pode ser verificado, atravs da rvore de estados construda para o sistema da Figura
7.1, que se o sistema comea no estado 1, a probabilidade de continuar a residir nele sem
jamais entrar no estado 2 fica cada vez menor com o aumento do nmero de intervalos. Tal
probabilidade igual a ()n , o que d zero para n .
Se P a matriz de transio estocstica, uma matriz truncada Q pode ser criada
eliminando-se a(s) linha(s) e coluna(s) associadas com o(s) estado(s) absorvente(s). No caso
do sistema da Figura 7.1, este truncamento cria uma matriz Q tendo um s elemento (P11 se o
estado 2 definido com absorvente). Ento, necessrio avaliar o nmero esperado de
intervalos de tempo em que o sistema permanece em um dos estados representados nesta
matriz Q.
n
nmero esperado de intervalos de tempo para que o sistema deixe cada um dos estados
representados pela matriz Q. Tais valores esperados sero armazenados na matriz N obtida
conforme expresso abaixo:
N = 1I + 1Q + 1Q2 + ... + 1Qn-1
(7.3)
ou, para n :
N = I + QN
Ento:
N = [I Q]-1
(7.4)
62
1/4
1/3
1/2
3
1/3
63
Estado 1
em operao
Estado 2
em reparo
Figura 7.2
R(t)
tempo
Definindo:
P1(t) = probabilidade que o componente esteja operando em t;
P2(t) = probabilidade que o componente esteja falho (em reparo) em t;
= taxa de falha;
= taxa de reparo.
Ento, as funes densidades para os estados de operao e falha so,
respectivamente:
f 1 (t ) = e t
f 2 (t ) = e t
64
Genericamente:
taxa de transio =
Exemplo: Para o histrico abaixo (relativo a um sistema com um nico componente) avalie ,
TU2
TD1
TU3
TD2
TD3
(7.5)
(7.6)
Similarmente:
Da eq. 7.5:
P1(t + dt) P1(t)
= P1(t) + P2 (t )
dt
65
No limite dt 0:
P1' (t ) =
dP1(t)
= P1(t) + P2 (t )
dt
(7.7a)
Em relao ao estado 2:
P2' (t ) =
dP2 (t)
= P1(t) P2 (t )
dt
(7.7b)
[P (t )
'
1
P2' (t ) = [P1(t) P2(t )]
(7.7c)
P2 (t ) =
e ( + )t
[P1( 0 ) P2( 0)]
+
(7.8a)
e ( + )t
[ P1( 0 ) + P2( 0)]
+
(7.8b)
P2 (t ) =
e ( + )t
[P1( 0 ) P2( 0)]
+
(7.9a)
e ( + )t
[ P1( 0 ) + P2( 0)]
+
(7.9b)
P2 (t ) =
e ( + )t
(7.10a)
e ( + )t
(7.10b)
66
P2 = P2 () =
(7.11a)
(7.11b)
m
m+r
P2 =
r
m+r
67
Estado 2
50%
3
2
2
Estado 3
0%
Figura 7.3
O diagrama da Figura 7.3 inclui todas as possveis transies. Na grande maioria dos
casos a transio de 3 para 2 (2) no existir, pois o processo de reparo dever retornar o
sistema diretamente para o estado com 100% de capacidade.
Dois componentes reparveis em princpio, um sistema composto de 2 componentes
reparveis possui 4 estados, conforme apresenta a Figura 7.4. Nesta figura, 1 e 2 so as
taxas de falha dos componentes 1 e 2, respectivamente. J as taxas de reparo so 1 e 2.
Note que o diagrama independe dos componentes estarem em srie ou em paralelo.
Para o caso srie, o estado 1 representa o sucesso. E no caso de um sistema em paralelo?
68
PUP = A = P1
PDN = U = P2 + P3 + P4
PUP = A = P1 + P2 + P3
PDN = U = P4
1
1
Estado 3
1 UP e 2 DN
Estado 2
1 DN e 2 UP
2
1
1
Estado 4
1 DN e 2DN
Figura 7.4
Algumas das transies do diagrama acima podem no ser possveis, enquanto outras
podem ser includas. Por exemplo, estando no estado 4, o reparo do componente 2 pode nunca
comear at que o componente 1 esteja reparado. Portanto, a transio 2 do estado 4 para o
estado 2 deve ser eliminada. Tambm, pode ser possvel que os componentes 1 e 2 falhem de
modo simultneo (por uma causa comum, o que diferente da ocorrncia simultnea de duas
falhas probabilidade nula em um intervalo pequeno), e neste caso deve haver uma
transio entre os estados 1 e 4. A Figura 7.5 apresenta o diagrama (reduzido) obtido para o
caso dos componentes serem idnticos.
Estado 1
2 Comps. UP
Estado 2
1 Comp. UP
Estado 3
2 Comps. DN
Figura 7.5
Se estados
69
Exemplo: Construa o diagrama de espao de estados para um sistema com trs componentes a
dois estados. Obtenha, em funo das probabilidades individuais dos estados, as
probabilidades de falha e sucesso do sistema considerando as configuraes: srie, paralelo e
parcialmente redundante.
Sistemas no reparveis basta eliminar as transies correspondentes ao reparo de
componentes:
Estado 1
2 Comps. UP
Estado 2
1 Comp. UP
Estado 3
2 Comps. DN
Neste caso, o sistema no mais ergdico, pois nem todos os estados podem se
comunicar e um estado absorvente. Para sistemas no reparveis, as probabilidades
dependentes do tempo podem ser avaliadas usando as tcnicas de Markov da mesma maneira
mostrada para sistemas reparveis. Entretanto, as probabilidades limites no trazem nenhuma
informao adicional (no limite o sistema residir no estado absorvente com probabilidade 1).
7.3.5 Matriz de Transio Estocstica
No caso dos processos contnuos de Markov, um intervalo discreto de tempo no faz
parte da especificao do problema. Portanto, para a obteno de uma matriz de probabilidade
de transio estocstica necessrio introduzir um intervalo de tempo incremental t (como
no Item 7.3.2), tal que a probabilidade de duas ou mais transies, neste intervalo, seja
desprezvel. Como a probabilidade de ocorrncia de uma transio neste intervalo de tempo
igual ao produto entre a taxa de transio e t, possvel obter uma matriz de transio de
modo a descrever discretamente o processo contnuo. Se a taxa de falha , ento, a
probabilidade de uma falha em t ser t e de no falhar 1 - t. O mesmo raciocnio pode
ser aplicado para o caso de reparo. Para um sistema composto por um nico componente
reparvel, representado pelo diagrama da Figura 7.2, a matriz de transio estocstica ser:
t
1 t
P=
t 1 t
(7.12)
70
[E1
E 2 ] = [E1
t
1 t
E2 ]
t 1 t
(7.13)
ou
E1 = (1 t)E1 + tE2
E2 = tE1 + (1 t)E2
ou ainda (como t 0)
0 = E1 + E2
0 = E1 E2
E2 =
Note que se o termo t for omitido em 7.13 o resultado ser o mesmo. Neste caso, a
matriz de transio toma a seguinte forma:
1
P=
(7.14)
P1' (t )
P2' (t )
P3' (t )
2
= [P1(t) P2(t) P3(t)]
0
0
( + )
2
2
Assumindo que o sistema comea no estado 1 [P1(0) = 1], tem-se como soluo:
71
P1 (t ) =
P2 (t ) =
P3 (t ) =
2
2
2
( + )t
+
+
e
e 2( + )t
( + ) 2
( + ) 2
( + ) 2
2
( + )
2 ( )
( + )
e ( + )t
2 2
( + )
e 2( + )t
2
22
2
( + )t
+
e
e 2( + )t
2
2
2
( + )
( + )
( + )
(7.15a)
(7.15b)
(7.15c)
As equaes acima podem ser obtidas de maneira bem mais simples se a expanso
binomial for aplicada s equaes 7.10a e 7.10b:
Pn1 (t ) + Pn 2 (t ) + Pn 3 (t ) + ... + Pn ( n +1) (t ) = [ P11 (t ) + P12 (t )] n
onde Pni = probabilidade do estado i obtido para n componentes, idnticos, a dois estados.
b) via multiplicao matricial atravs da matriz de transio estocstica construda
para um pequeno intervalo t (eq. 7.12) possvel avaliar discretamente a evoluo dos
valores de probabilidade dos estados. Como j frisado, o valor de t deve ser suficientemente
pequeno para tornar desprezvel a probabilidade de duas ou mais transies ocorrerem em um
intervalo de tempo. Isto requer um profundo conhecimento do sistema sendo analisado. Em
alguns casos o incremento de tempo deve ser menor do que 1 minuto, enquanto que em outros
pode chegar a 1 hora ou mais.
O processo, j apresentado para cadeias de Markov, bastante simples e consiste na
multiplicao sucessiva da matriz de transio por si prpria [Pn] ou pelo vetor de
probabilidade dos estados [E(n) = E(n-1)P]. De fcil implementao em um programa de
computador, este mtodo extremamente rpido (mesmo quando um nmero elevado de
multiplicaes necessrio) e muito mais simples que o mtodo das equaes diferenciais.
72
1 +
2 2
2
2
( + ) + 2
2 2
3 +
2 2
Note que o MTTF obtido acima se refere condio do sistema iniciar com os dois
componentes operando (estado 1). Pode ser necessrio avaliar o MTTF a partir de um estado
com capacidade reduzida, quando 1 ou mais componentes estaro indisponveis (estado 2):
MTTF = m 22 + m 21 =
+ 2
2 2
2 2
3 +
73
2
1
3
Figura 7.6
74
8.1 Introduo
TU1
TU2
TD1
TU3
TD2
TD3
Figura 8.1
(8.1)
(8.2)
(8.3)
(8.4)
(8.5)
75
O desempenho mdio deste sistema apresentado pela Figura 8.2, onde T o ciclo de
tempo do sistema. Este ciclo de tempo definido como tempo mdio entre falhas (MTBF),
sendo igual soma de m (MTTF) e r (MTTR).
m
Figura 8.2
Atravs das Figuras 8.1 e 8.2 possvel verificar que a freqncia do ciclo ou
freqncia de encontrar um estado do sistema, pode ser obtida por:
f = 1/T = 1/(m + r) = 3/Ttotal
(8.6)
Para todo e qualquer sistema que tenha seus estados divididos entre falha e sucesso, a
freqncia f, dada acima, ser dita freqncia de falha (obviamente, igual freqncia de
sucesso). Se o comportamento de um sistema descrito somente pelas probabilidades de seus
estados, haver a perda de informaes importantes. Considere, por exemplo, 2 sistemas com
um nico componente reparvel. O primeiro com taxas e e o segundo com taxas 2 e 2.
V-se que ambos tero a mesma indisponibilidade, porm, o segundo falha duas vezes mais
que o primeiro. Esta situao pode ter um grande impacto na operao do sistema. Portanto,
pode ser vital avaliar no somente a indisponibilidade (ou disponibilidade) do sistema, mas
tambm a freqncia e a durao de encontrar os vrios estados do sistema, ou mais
especificamente, a freqncia de falha deste sistema. Atravs das equaes 8.2, 8.4 e 8.6
pode-se concluir que:
f = PU
(8.7)
(8.8)
76
(8.9)
1
1
Estado 3
1 UP e 2 DN
Estado 2
1 DN e 2 UP
2
1
1
Estado 4
1 DN e 2DN
Figura 8.3
P=
A probabilidades limites dos estados podem ser obtidas atravs da matriz de transio
P, dada acima, ou por simples combinaes independentes:
P1 =
1 2
(1 + 1 )( 2 + 2 )
77
P2 =
1 2
(1 + 1 )( 2 + 2 )
P3 =
1 2
(1 + 1 )( 2 + 2 )
P4 =
1 2
(1 + 1 )( 2 + 2 )
1 2
(1 + 2 )
(1 + 1 )( 2 + 2 )
1 2
(1 + 1 )( 2 + 2 )
(1 + 2 )
onde f21 a freqncia com que o sistema transita do estado 2 para o estado 1 (f31 ...).
(b) freqncia de se encontrar os demais estados
f 2 = P2 out
2 =
1 2
( 1 + 2 )
(1 + 1 )( 2 + 2 )
ou
f 2 = f 12 + f 42 = ( P1 1 ) + ( P4 2 )
f 3 = P3 out
3 =
1 2
(1 + 1 )( 2 + 2 )
(1 + 2 )
ou
f 3 = f 13 + f 43 = ( P1 2 ) + ( P4 1 )
f 4 = P4 out
4 =
1 2
( 1 + 2 )
(1 + 1 )( 2 + 2 )
ou
f 4 = f 24 + f 34 = ( P2 1 ) + ( P3 2 )
78
(8.10)
79
Estado 1
1 UP e 2 UP
Estado 2
1 DN e 2 UP
2
1
Estado 3
1 UP e 2 DN
Estado 4
1 DN e 2DN
1
Figura 8.4
1 2
(1 + 1 )( 2 + 2 )
m 43 = P43 f 43 =
P4 + P3
1
=
( P4 + P3 ) 2 2
1 2 ( 1 + 2 )
1
=
(1 + 1 )( 2 + 2 ) 1 + 2
1 2 + 1 2 + 1 2
(1 + 1 )( 2 + 2 )
1 2 + 1 2 + 1 2
1 2 (1 + 2 )
1 2 (1 + 2 )
(1 + 1 )( 2 + 2 )
80
0.01
Estado 2
50%
0.7
0.7
0.7
0.01
Estado 3
0%
0.01
Figura 8.5
if x k X Sucesso
if x k X Falha
(8.11)
81
onde k a soma das taxas de transio de xk para todos os estados de sucesso que podem ser
alcanados mediante uma transio. A durao mdia da perda de carga, LOLD (loss of load
duration), obtida aplicando-se a equao 8.9, i.e.:
LOLD = LOLP/LOLF
(8.12)
Exemplo 8.2: Resolva o exemplo 8.1 considerando que a carga diria vale 100%, 80% e 50%
em perodos de 3, 9 e 12 horas, respectivamente.
Exerccio: Obtenha os ndices LOLP, LOLE, EPNS, EENS, LOLF e LOLD para o sistema
IEEE-RTS. Os dados relativos s unidades geradoras so apresentados na Tabela 8.1.
82
Unidades
(1/ano)
MTTR
(horas)
Max.
2.97959
60.00
6.00
12.00
19.4667
50.00
10.00
20.00
19.4667
50.00
10.00
20.00
4.46939
40.00
30.00
76.00
4.46939
40.00
30.00
76.00
7.30000
50.00
60.00
100.00
9.12500
40.00
80.00
155.00
9.12500
40.00
80.00
155.00
9.12500
40.00
80.00
155.00
10
9.22105
50.00
80.00
197.00
11
7.61739
100.00
150.00
350.00
12
7.96364
150.00
200.00
400.00
13
7.96364
150.00
200.00
400.00
14
4.42424
20.00
16.00
50.00
8.7 Referncias
83
9.1 Introduo
Os passos necessrios avaliao de ndices de confiabilidade dentro da representao
cronolgica so, a princpio, os mesmos apontados na representao por espao de estados:
a) selecione um estado do sistema, i.e. defina nvel de carga, disponibilidade de
equipamentos, condies operativas, etc.;
b) analise o desempenho do estado selecionado, ou seja, verifique se esta
configurao de geradores e circuitos capaz de atender carga definida para este
estado sem violar limites operativos; se necessrio, acione medidas corretivas tais
como redespacho de gerao, correo de tenses, corte de carga, etc.;
c) estime ndices de confiabilidade tais como LOLP (loss of load probability) e
EPNS (expected power not suplied); se a preciso dos estimadores aceitvel,
pare; caso contrrio, retorne ao passo (a).
A diferena bsica est na forma como so gerados os estados do sistema (passo (a) do
algoritmo). No caso cronolgico necessrio que os estados sejam gerados seqencialmente
no tempo, o que implica em diferenas conceituais na estimao dos ndices (passo (c)).
Devido anlise seqencial no tempo, a avaliao dos ndices de confiabilidade fica
equivalente ao clculo da seguinte expresso [SB77, SPF93]:
E [G ] =
1T
G(t )dt
T0
(9.1)
sendo T o perodo da simulao e G(t) a funo teste que verifica em qualquer instante t se o
estado do sistema , ou no, adequado. Tomando a LOLP como exemplo, G(t) = 1 se o estado
do sistema, no tempo t, de falha. Em caso contrrio, G(t) = 0.
A representao por espao de estados (enumerao e simulao no-seqencial) no
considera os aspectos cronolgicos da operao do sistema. J atravs da simulao
seqencial [S90] possvel representar caractersticas complexas do sistema, como por
exemplo, a curva cronolgica da carga, a manuteno programada e as polticas de operao.
A maior parcela do esforo computacional necessrio avaliao da confiabilidade de
sistemas compostos consumida pela anlise de adequao dos estados operativos do sistema.
84
E [G ] =
1
NY
NY
G( yk )
k =1
(9.2)
85
Gerao aleatria de duraes (tempos) exponenciais: seja uma v.a. x seguindo uma
distribuio exponencial:
f ( x) = e x
F ( X ) = 1 e x
F(X)
1,0
ln(1 U ) =
ln U ,
Exemplo: Gere 10 tempos (duraes) para uma v.a. exponencial com parmetro = 0,001
falhas por hora. Tire a mdia dos tempos calculados e compare com o MTTF.
Funes teste: no caso da simulao seqencial a funo teste G(yk) deve ser aplicada
a uma observao do sistema, i.e., a uma srie sinttica anual yk. Para cada barra ou para todo
o sistema, teremos as seguintes funes:
(a) LOLP
(b) EENS
(c) LOLF
TRABALHO: Obtenha os ndices LOLP, LOLE, EPNS, EENS, LOLF e LOLD para o
sistema IEEE-RTS, utilizando simulao seqencial.
9.3 Referncias
[LMMR00] A. M. Leite da Silva, L. A. F. Manso, J. C. O. Mello, R. Billinton, Pseudo-Chronological
Simulation for Composite Reliability Analysis with Time Varying Loads, IEEE Transactions on Power
Systems, 15 (2000) 73-80.
[MLM99] L. A. F. Manso, A. M. Leite da Silva, J. C. O. Mello, Avaliao da Confiabilidade de Sistemas de
Gerao e Transmisso Considerando Cargas Variantes no Tempo, XV SNPTEE, Foz do Iguau/PR, (1999).
[MLP97] J. C. O. Mello, A. M. Leite da Silva, M. V. F. Pereira, Efficient Loss of Load Cost Evaluation by
Combined Pseudo-Sequential and State Transition Simulation, IEE Proc. Gener. Transm. Distrib., 144 (1997)
147-154.
[MPL94] J. C. O. Mello, M. V. F. Pereira, A. M. Leite da Silva, Evaluation of Reliability Worth in Composite
System Based on Pseudo-Sequential Monte Carlo Simulation, IEEE Transactions on Power Systems, 9 (1994)
1318-1326.
[S90] L. Salvaderi, Monte Carlo Simulation Techniques, in Reliability Assessment of Composite Generation
and Transmission Systems, IEEE Tutorial Course 90EH0311-1-PWR, (1990).
[SB77] C. Singh, R. Billinton, System Reliability Modelling and Evaluation, Hutchinson, London (1977).
[SPF93] C. Singh, T. Pravin Chander, J. Feng, Convergence Characteristics of Two Monte Carlo Models for
Reliability Evaluation of Interconnected Power Systems, Electric Power Systems Research, 28 (1993) 1-8.
APNDICE
O VALOR DA CONFIABILIDADE
SIMULAO PSEUDO-CRONOLGICA
CONFIABILIDADE PREVENTIVA
Departamento de Eletricidade - DEPEL, Fund. Ensino Superior de So Joo del-Rei - FUNREI, MG, Brasil
Grupo de Engenharia de Sistemas - GESis, Escola Federal de Eng. de Itajub - EFEI, MG, Brasil
3
Centro de Pesquisa de Energia Eltrica - CEPEL - Rio de Janeiro, RJ, Brasil
2
Resumo: Este artigo apresenta uma comparao entre diversos mtodos de avaliao do custo da perda de carga (loss of load cost,
LOLC) para sistemas compostos de gerao e transmisso. Para tal, utilizada como referncia, uma nova metodologia de avaliao
da LOLC, a qual considera de forma precisa os diversos blocos de energia interrompida, e as respectivas duraes, presentes em um
processo de falha. Esta nova metodologia foi implementada em dois algoritmos de confiabilidade composta baseados em simulao
Monte Carlo: um seqencial e outro pseudo-seqencial. Duas polticas de corte de carga, mnimo corte e mnimo custo, so utilizadas
para avaliar o impacto das mesmas sobre os diferentes mtodos. O sistema teste IEEE-MRTS (Modified Reliability Test System)
utilizado neste estudo comparativo, e os resultados obtidos amplamente discutidos.
Abstract: This paper presents a comparison among different methods to evaluate the loss of load cost (LOLC) index for composite
generation and transmission systems. A new methodology is proposed and used as a reference to evaluate LOLC indices. It considers all
blocks of unsupplied energy per consumer class, and the respective duration, to characterize accurately the interruption process. The
proposed methodology is implemented with two composite reliability evaluation algorithms based on Monte Carlo simulation: sequential
and pseudo-sequential. Also two load curtailment policies, minimum load curtailment and minimum cost, are considered and their impact
on the different LOLC evaluation methods assessed. Case studies with the IEEE-MRTS (Modified Reliability Test System) are presented
and discussed.
Key Words: Composite reliability; Reliability worth; Generation and transmission reliability; Uncertainty modeling.
1. Introduo
Em um ambiente competitivo, a expanso de sistemas de
potncia deve ter como guia o chamado planejamento indicativo, o qual ter como objetivo a minimizao do custo global da expanso (planejamento de mnimo custo) e ficar a
cargo de um rgo independente. O planejamento indicativo
deve garantir padres mnimos de qualidade ao fornecimento
de energia, e ao mesmo tempo apresentar sinais que iro nortear os esforos de expanso, identificando possveis pontos
vulnerveis e estabelecendo regras para as tarifas do setor.
Tradicionalmente, o planejamento de mnimo custo da
expanso de sistemas de potncia tem sido baseado somente
na minimizao dos custos de investimento e de produo
necessrios ao atendimento da carga futura, para um dado
nvel de confiabilidade. Neste contexto, valores
preestabelecidos para os ndices LOLE (loss of load
expectation) e EENS (expected energy not supplied) podem
ser utilizados como restrio ao problema de otimizao [1].
Estes ndices representam medidas relativas da adequao de
sistemas de potncia e, portanto, no so capazes de
considerar os impactos econmicos das interrupes de
energia para os consumidores
A introduo do custo da perda de carga, ou custo de
interrupo, no planejamento de mnimo custo depende
fundamentalmente do custo unitrio de interrupo (unit
cost, UC) de cada classe consumidora, usualmente dado em
US$/kWh. O custo unitrio de interrupo obtido atravs
de estudos econmicos especficos (pesquisas diretas ao
consumidor) [2-4]. Estes estudos apontam diversos fatores
que influenciam no valor de UC, sendo a durao do corte de
energia considerada como o de maior importncia. Portanto,
o nvel de preciso dado determinao desta durao um
dos aspectos que mais interferem na qualidade das
estimativas para o custo de interrupo.
Para sistemas compostos de gerao e transmisso, as
estimativas dos custos da perda de carga so obtidas atravs de
b)
c)
88
Para o caso das simulaes no-seqencial e pseudoseqencial, a estimativa adotada para a LOLC ser:
LOLC =
fi E[ Ki ]
(3)
i I
F (i ) = K i E ( D i )
US$/kWh
Ki =
16
(4)
ES
UC ( D j )
(5)
j Si
12
onde:
- corte de energia (energy shortage) j Si,
ESj
Dj
- durao do corte j;
UC(Dj ) - custo unitrio de interrupo (US$/kWh).
Com
Ind
Res
0
0
Observe que ESj igual ao produto: PSj Dj, sendo PSj o corte
de potncia (power shortage) associado ao corte de energia j.
horas
8
LOLC = E Ki
i I
(1)
onde:
Ki - custo em US$ de uma realizao da interrupo i;
I
- perodo em anlise;
E[.] - operador valor esperado.
LOLC =
1
NI
(6)
P1
ES1
K
i
n =1 i I n
(2)
t1
t2
t3
t4 t5
t6
tempo
89
Potncia
Interrompida
(7)
(8)
Ind
Com
PMDIO
Res
t1
t3
t4 t5
t6
tempo
z = Min
i =1
(9)
t2
s. a.
B + g + r = d
g
g max
g
g min
r d
f
(10)
f max
onde:
ri
- corte de carga na barra i;
n
- nmero total de barras do sistema;
B - matriz de susceptncia de barra, equivalente matriz
de admitncia de barra para um sistema sem perdas;
90
B1
MR
60.263
B3
26.456
B8
7.216
B14
72.919
B18
14.615
Sist
316.960
59.176
( -1.8%)
21.404
(-19.1%)
7.421
( 2.8%)
73.930
( 1.4%)
14.012
( -4.1%)
307.310
( -3.0%)
M3
60.284
( 0.0%)
21.850
(-17.4%)
7.815
( 8.3%)
69.192
( -5.1%)
13.055
(-10.7%)
301.820
( -4.8%)
58.375
( -3.1%)
29.506
( 11.5%)
5.662
(-21.5%)
91.564
( 25.6%)
19.963
( 36.6%)
362.810
( 14.5%)
EMA =
i =1
EMA
(106 US$/ano)
EMP
(%)
M1
M2
M3
1.484
5.737
1.867
6.013
20.845
8.969
EA i
EMP =
EPi
(11)
i =1
91
i =1
(13)
z = Min
i ri
(12)
i =1
ii)
B1
MR
0.379
B3
0.714
B8
54.187
B14
31.523
B18
4.067
Sist
109.910
0.325
(-14.3%)
0.604
(-15.3%)
7.205
(-86.7%)
4.136
(-86.9%)
1.01
(-75.1%)
20.196
(-81.6%)
0.494
( 30.3%)
0.938
( 31.5%)
39.097
(-27.9%)
32.799
( 4.1%)
4.306
( 5.9%)
96.149
(-12.5%)
M3
0.348
( -8.2%)
0.660
( -7.5%)
55.665
( 2.7%)
32.054
( 1.7%)
4.212
( 3.6%)
111.870
( 1.8%)
92
EMA
(106 US$/ano)
EMP
(%)
M1
M2
M3
9.971
1.874
0.292
48.700
19.620
6.195
O mal desempenho apresentado pelo mtodo M1 justificado pela sua incapacidade em capturar os nveis de
profundidade, para os diferentes tipos de interrupo que
ocorrem em uma determinada barra. Neste mtodo, a
distribuio da energia interrompida entre os grupos comsumidores (GN1- GN3) feita a partir de um corte mdio de
potncia obtido pela razo EENSBUS/LOLEBUS. Para a
maioria das barras do sistema este corte mdio de potncia
inferior, at mesmo, ao total de carga da classe residencial.
Isto explica, inclusive, os baixos valores de custo apresentados por este mtodo. Portanto, embora tenha apre-sentado
um bom desempenho para o caso da minimizao do corte
de carga, o mtodo M1 mostra-se inteiramente inadequado
quando uma poltica de minimizao do custo adotada.
O mtodo M2, alm de no apresentar um bom resultado
para a LOLC do sistema, tem um baixo desempenho para a
maioria das barras. Como discutido ao final da seo
anterior, este desempenho ser ainda pior se os diferentes
grupos consumidores forem analisados separadamente. Esta
constatao reduz ainda mais a validade do mtodo M2, pois
a qualidade de seus resultados pode depender fortemente das
caractersticas do sistema, e da forma das curvas de custo
unitrio de interrupo. Portanto, o mtodo M2 perde muito
em credibilidade, e sua utilizao torna-se altamente
questionvel.
Para demonstrar o efeito de compensao entre os erros
cometidos pelo mtodo M2 para as diferentes classes
consumidoras, um teste adicional foi realizado. A composio
da carga da barra 8 foi alterada, passando de 50% residencial e
50% comercial para 50% residencial e 50% industrial. Com
esta simples alterao os novos valores obtidos para a LOLC
do sistema pelos mtodos MR e M2 so: 87.746x106 US$/ano
e 100.97x106 US$/ano, respectiva-mente. Estes resultados
apresentam um erro percentual (+16.4%) maior e contrrio ao
anteriormente cometido, quando a LOLC do sistema foi
subestimada em 12.5%. Vale frisar que neste teste adicional
foram mantidas as penalidades adotadas para a funo objetivo
(12), e tambm o nmero de simulaes. Conseqentemente,
apenas a LOLC da barra 8 foi alterada. Seus novos valores so:
31.020x106 US$/ano para MR e 43.917x106 US$/ano para M2.
Em relao ao mtodo M3, verifica-se que houve uma
melhora no seu desempenho, a qual atribuda anlise
individual, por grupo consumidor, dos histricos de cada
interrupo. Desta forma, a durao total da falha obtida
60.263
B3
26.456
B8
7.216
B14
72.919
B18
14.615
Sist
316.960
57.374
( -4.8%)
25.933
( -2.0%)
7.152
( -0.9%)
75.639
( 3.7%)
14.204
( -2.8%)
312.920
( -1.3%)
0.379
0.714
54.187
31.523
4.067
109.910
0.359
( -5.4%)
0.745
( 4.4%)
52.438
( -3.2%)
33.388
( 5.9%)
4.298
( 5.7%)
108.770
( -1.0%)
93
EMA
(106 US$/ano)
EMP
(%)
Caso 1
Caso 2
1.137
0.400
4.705
7.730
5. Concluses
Este artigo apresentou uma nova metodologia para o clculo de
custos da perda de carga em sistemas de gerao e transmisso,
a qual foi utilizada como referncia para a realizao de uma
anlise comparativa entre diversos mtodos aproximados. Foi,
ento, constatado que os mtodos baseados na representao
por espao de estados so eficientes do ponto de vista
computacional, porm pouco eficazes, em termos de preciso.
Tais mtodos podem eventualmente produzir estimativas
razoveis para os ndices LOLC, entretanto no se pode
garantir a priori, i.e. baseado nas caractersticas dos custos
unitrios, polticas de redespacho e corte de carga, classes de
consumidores, etc., a eficcia do mtodo. Efeitos de compensao de erros podem mascarar a qualidade dos resultados.
Mtodos que utilizam simulao cronolgica so em geral
precisos, porm ineficientes do ponto de vista computacional.
Neste caso, a avaliao de ndices LOLC deve seguir as
caractersticas do mtodo proposto, evitando custear a energia
total interrompida pela durao total da interrupo.
fundamental considerar, por classe consumidora, cada bloco de
energia interrompida e respectiva durao. Para tal necessrio representar somente a evoluo cronolgica da falha.
Atravs da simulao PSRM, modificada de acordo com o
mtodo proposto para avaliar corretamente o ndice LOLC, foi
comprovado que a no representao cronolgica da falha a
principal causa para a baixa preciso apresentada pelos
mtodos baseados na representao por espao de estados. J a
adoo de um modelo Markoviano, no agregado, para a carga
produz alteraes pouco significativas nas estimativas dos
custos da perda de carga.
Tambm possvel concluir que a minimizao do corte de
carga, em geral, conduz a resultados elevados para as
estimativas da LOLC, o que inviabiliza sua aplicao em
anlises de custo/benefcio, como o caso do planejamento de
mnimo custo. Atravs de polticas que visam minimizar o
6. Referncias
[1]
94
J.C.O. Mello 3
R. Billinton 4
1.
INTRODUCTION
95
2.
The estimates of loss of load indices for generation and transmission systems are obtained through composite reliability
evaluation algorithms, which are based on two distinct
representations: state space and chronological modeling. Usually,
state space based algorithms follow three major steps [13]:
a) select a system state (i.e. load level, equipment availability,
etc.);
b) analyze the performance of the selected states (i.e. check if
available generating units and circuits are able to satisfy the
associated load without violating any operating limits; if
necessary, activate corrective measures such as generation
redispatch, voltage correction, load curtailment, etc.);
c) estimate reliability indices (i.e. Loss of Load Probability,
etc.); if the accuracy of the estimates are acceptable, stop;
otherwise go back to step (a).
State enumeration and non-sequential Monte-Carlo simulation
methods are examples of state space based algorithms, where
Markov models are used for both equipment and load state
transitions. Therefore, states are selected and evaluated without
considering any chronological connection or memory.
The necessary steps to evaluate reliability indices considering a
chronological representation (sequential Monte-Carlo simulation)
are conceptually the same as those described for the state space
representation [16]. The basic difference is how the system states
are selected; i.e. step (a) of the algorithm. In this case, the
sequential approach moves chronologically through the systems
states, while the non-sequential approach selects the system states
randomly. Sequential simulation can therefore perceive all
chronological aspects and, hence, is able to correctly reproduce
the whole cycle of interruptions. However, the chronological
modeling implies that two consecutive state samples differ from
each other from one state component, and therefore, requires a
more substantial computational effort than the other approach.
Considering that Monte Carlo simulation is more attractive than
state enumeration method to select the system states for large
scale systems, and that interruption costs are quite relevant under
the competitive environment, composite reliability worth indices
have to be assessed by an efficient and accurate Monte Carlo
algorithm.
Loss of load indices can be estimated by Monte Carlo simulation
techniques, as the mean over N sampled system state values xk of the
test function F(xk), i.e. [4,13,14]:
~
E[F] = 1 N
F( x k )
(1)
k=1
(2)
= V(E[F] ) E[F]
(3)
2.1
if x k X Success
if x k X Failure
(4)
and,
0
FEENS ( x k ) =
Pk T
if x k X Success
if x k X Failure
(5)
where X = XSuccess XFailure is the set of all possible states x (i.e. the
state space), divided into two subspaces XSuccess of success states and
XFailure of failures states; PkT is the amount of curtailed power at
the failure state xk, i.e. Pk, multiplied by the period of analysis, e.g.
T=8760 hours for annualized energy not supplied.
Equations (4) and (5) depends only on the probability distributions
associated with the system states xk, which in turn depend on the
probability distributions of the generation and transmission
equipment and load. There is no problem computing probability and
energy indices using non-sequential Monte Carlo simulation, and
this procedure is accurate and extremely fast.
2.2
if x k X Success
if x k X Failure
(6)
and,
LOLD = LOLP/LOLF
(7)
where k is the sum of the transition rates between xk and all the
success states which can be reached from xk in one transition [14]. In
principle, for each selected state xk XFailure, with nc compon-ents,
at least nc additional adequacy assessments (i.e. power flow,
remedial actions, etc.) have to be carried out to update the frequency
estimate. One approach to reduce computational effort is to assume
that the system is coherent: if a failed component is repaired, the
system performance never becomes worse; conversely, if a working
component fails, the system performance never becomes better. The
use of additional filters, based on Lagrange multipliers, is further
explored to reduce computational effort [14].
Based on the concept of conditional probability or incremental
frequency [15], the amount k can be calculated from the
probabilities and transition rates only, even considering multi-state
Markov models. This method proved to be extremely efficient, from
a computational point of view, and able to deal with transitions
among the load states which play an important role in LOLF evaluations. There are however two restrictions: (i) the coherency
assumption, and (ii) the use of a Markov load model for the whole
system, which imposes the same pattern of variation for all load
buses; i.e. the correlation factors for all the bus loads are equal to 1.
96
Power Interruption
ES3
P3
ES2
P2
ES1
P1
t1
Utilizing a basic Markovian assumption, all state durations follow an
exponential distribution. As they are statistically independent [23],
the expected value of the total duration E[DI], for a failure or
interruption sequence I, is given by:
E [D i ]
(8)
E[D i ] = T ( j )
(9)
E[D I ] =
i I
t2
t3
t4
t5
t6
time
where:
if x
X Success
(10)
if x k X Failure
From the economic point of view, the most relevant aspects when
estimating the impact of an interruption are: the amount of
unserved energy (kWh) and the unit interruption cost (US$/kWh).
Surveys performed among consumers indicate that the unit
interruption cost depends on several characteristics, such as
duration, frequency, time of occurrence, warning time, depth of
curtailment and geographical coverage [9,10]. The most relevant
is the duration of an interruption. The reliability assessment
method should therefore accurately simulate the whole interruption sequence.
An interruption I, can be described by a set SES(I) of energy shortages
related to successive failed states which compose this interruption.
The associated cost KI (US$) defined for a particular consumer class
or sector is given by:
KI =
ES j UC ( D j )
where ES1=PS1D1, PS1=(P1-0), D1=(t6-t1); ES2=PS2D2, PS2=(P2P1), D2=(t3-t2); and ES3=PS3D3, PS3=(P3-P1) and D3=(t5-t4). A block
of energy shortage may involve different connected
(chronologically) failure states. This makes the proposed model
closer to actual reality, since interruption processes are carried out
by selecting, according to certain priorities, distributors and load
points to be isolated.
Using the Markovian assumption, the following unbiased test
function for index LOLC, FLOLC, can be stated:
The computational effort to use the test function (10) is basically the
same as in a non-sequential Monte Carlo simulation. Moreover, the
evaluation of LOLC indices is quite straightforward.
2.3
(12)
(11)
j S ES(I)
0
FLOLC ( x k ) =
K I E[DI ]
if x k X Success
(13)
if x k X Failure
1
N
KI
I S I E [ DI
(14)
LOLC =
1
NP
NT
n =1
I Tn
KI
(15)
97
2.4
L2(A1)
LT(A1)
Lh(A1)
L1(A2)
L2(A2)
Lh(A2)
LT(A2)
L1(Am)
L2(Am)
Lh(Am)
LT(Am)
2.5
3.
CASE STUDIES
98
3.1
1.0
138 kV
230 kV
System
(pu)
0.9
0.8
0.7
3.2
0.6
L=6139 MW
G=5483 MW
0.5
L=2618 MW
G=690 MW
0.4
Sun
Mon
Tue
Wed
Thu
Fri
Central
Sat
Minas
L=0 MW
G=7240 MW
Furnas
LOLP ( 102 )
EENS (GWh/y)
LOLF (occ./y)
LOLD (h)
LOLC
(Mil.$/y)
Sequential
3.3779
28.706
54.699
5.3948
120.09
Pseudo-C.
3.3947
28.717
55.580
5.3358
119.31
Sequential+
1.8607
24.432
28.996
5.6061
104.00
Rio
Itaipu
L=17831 MW
G=10385 MW
S.Paulo
L=0 MW
G=12600 MW
South
L=7619 MW
G=8308 MW
L=6884 MW
G=857 MW
(pu)
1.0
Minas
South
0.9
0.8
0.7
0.6
0.5
12
hours
16
20
24
99
5.
ACKNOWLEDGMENTS
1.0
6.
REFERENCES
0.9
[1]
0.8
[2]
0.7
0.6
Minas
0.5
0.4
[3]
System
Sun
Mon
Tue
Wed
Thu
Fri
Sat
[4]
[5]
[6]
[7]
Sequential
4.5121
25.449
152.56
2.5838
45.390
Pseudo-C.
4.5968
25.572
157.07
2.5567
45.458
Sequential+
3.8128
17.423
101.48
3.2824
31.820
4.
CONCLUSIONS
[8]
[9]
[10]
[11]
[12]
[13]
[14]
[15]
[16]
[17]
[18]
[19]
100
[20]
[21]
[22]
[23]
[24]
[25]
[26]
[27]
(A1) can be used to identify the backward sequence. Unfortunately, generating units and loads (e.g. the proposed multi-level nonaggregate Markov model proposed in Section 2.4.2) are usually
represented by frequency unbalanced multistate models [14, 15].
The transition probability Prs, is defined as the probability of the
system arriving at xs from state xr. A similar definition applies to
frequency frs. Frequency fsin is the frequency of arriving at state
xs, and fsin = fsout. The transition probability Prs can also be
evaluated as the ratio between frequencies frs and fsin, i.e.
Prs = f rs f sin = P( x r )
Mr
rs
P(x i ) i s
Pr s = r s r s
Mr
i s i s
Forward simulation:
This simulation process is concerned with the identification
of one possible forward sequence: a sequence of failure
states to be experimented by the system after leaving the
sampled state xs, until it finds a success system state. The
frequency of leaving system state xs to state xt , where the
unique difference between these two states is a change in
the operating state of component k, (e.g. a state changing
from xk = a to xk = b, with transition rate of ab) is given
by: fst = P(xs) ab. The frequency of departure from state xs
is given by: fsout = P(xs) sout, where the departure rate,
sout, is the summation of all transition rates between state
xs and any state connect to it. The transition probability Pst,
between states xs to state xt, is evaluated as the ratio
between frequencies fst and fsout, i.e.
Pst = f st f sout = st
Ms
st = ab
out
s
(A1)
i=1
(A3)
i=1
r s = P( x k = a ) P( x k = b ) and r s = a b
(A2)
i=1
(A4)
BIOGRAPHIES
Armando M. Leite da Silva (S77, M78, SM91) was born in Rio de
Janeiro, Brazil, in 1954. He received the B.Sc. degree from the PUCRio in 1975, the M.Sc. from the Federal Univ. of Rio de Janeiro
(COPPE-UFRJ) in 1977, and the Ph.D., degree from Univ. of
Manchester (UMIST), England, in 1980. He worked at the Electrical
Eng. (EE) Dept. of PUC-Rio as a Professor until 1994. From 1990 to
1991 he was visiting researcher at the Research Division of Ontario
Hydro, Canada. In 1992, he was a recipient of the Sebastian Z. de
Ferranti Premium, awarded by the Power Division of the IEE, UK, for
his work on generation capacity reliability evaluation. Since 1994, he
is Professor at the Institute of EE, Federal University, Itajub (EFEI),
Brazil.
Luiz Antnio da Fonseca Manso was born in Bias Fortes, Brazil, in
1961. He received the B.Sc. degree from the Federal Univ. of Juiz de
Fora, in 1985, the M.Sc. from PUC-Rio, in 1989 and he is now
working towards a Ph.D. degree at EFEI. Since 1988 he works at the
Electrical Eng. Department, Federal University, So Joo del-Rei FUNREI, MG, Brazil .
Backward simulation:
101
IX SEPOPE
SP065
23 a 27 de maio de 2004
May, 23th to 27rd 2004
Rio de Janeiro (RJ) Brasil
A. M. Leite da Silva2,3
W. S. Sales 1
R. Billinton4
Departamento de Engenharia Eltrica DEPEL, Universidade Federal de So Joo del-Rei - UFSJ, Brasil
2
Unidade de Sistemas de Energia INESC Porto, Portugal
3
Grupo de Engenharia de Sistemas - GESis, Universidade Federal de Itajub - UNIFEI, Brasil
4
Electrical Engineering Department, University of Saskatchewan, Saskatoon, Canada
RESUMO
Este artigo apresenta uma nova metodologia para a
avaliao da confiabilidade preventiva de sistemas
compostos de gerao e transmisso, a qual aplica uma
lista de contingncias para a identificao dos estados
operativos: saudvel, marginal e de falha. Esta
metodologia utiliza a simulao Monte Carlo noseqencial, um modelo de carga Markoviano noagregado, com mltiplos nveis, e um novo processo de
estimao de ndices de freqncia, denominado
processo de transio de estado um passo frente. Novas
funes teste so propostas para a avaliao de ndices
de confiabilidade preventiva. Para a verificao dos
conceitos apresentados, a metodologia desenvolvida
aplicada ao sistema teste IEEE-RTS, incluindo
modificaes no mesmo, e a uma configurao do
sistema Sul-Sudeste Brasileiro.
Palavras-Chave:
Confiabilidade
preventiva;
Confiabilidade composta; Simulao Monte Carlo.
1
L. C. Resende3
INTRODUO
Marginal
Falha
CONFIABILIDADE COMPOSTA
FLOLF (x k ) = out
k
se x k X S
se x k X F e x m X S
se x X F e x X F
k
(1)
onde out
o somatrio das taxas de transio do
k
estado de falha xk para todos os estados diretamente
vizinhos, e xm um estado encontrado a partir de xk
atravs de uma simples transio. XS e XF so os
subespaos dos estados de sucesso e falha,
respectivamente.
Note que necessrio simular somente uma transio
partindo de cada estado de falha xk para um estado
vizinho xm. Portanto, o nmero de anlises adicionais de
desempenho pequeno, e conseqentemente, o
acrs cimo do esforo computacional extremamente
baixo. Este acrscimo pode ser expresso em termos do
nmero de anlises adicionais de adequao, o qual
dado pelo produto LOLP NS, onde NS o nmero de
sorteios originais da simulao no-seqencial.
3
3.1
CONFIABILIDADE PREVENTIVA
Conceitos Bsicos
Saudvel
Marginal
S
M
MS
FS
xmarginal
MF
1
FPr ob { M } ( x k ) =
0
1
FPr ob{ F } ( x k ) =
0
se x k um estado saudvel
Xfalha
FM
F
Falha
(2)
em caso contrrio
se x k um estado marginal
(3)
em caso contrrio
se x k um estado de falha
(4)
em caso contrrio
k
FFreq{S} ( x ) = MS
FS
se x k S
se x k M
(5)
se x F
+ MF
FFreq{M }( x k ) = MS
0
+ FM
FFreq{F }( x k ) = FS
0
se xk M
se x k M
se x k F
se xk F
(6)
(7)
0
out
k
k
FFreq{S} ( x ) = 0
out
k
0
se xk S
se x k M e xm S
se xk M e xm S
(8)
se x F e x S
k
se xk F e x m S
0
out
k
FFreq { M } ( x ) = k
0
0
se x k S
0
FFreq { F } ( x k ) = out
k
0
se x k S
se x k M
e xm M
se x k M e x m M
(9)
se x k F
se x k M
se x k F e x m F
(10)
se x k F e x m F
Dur{S } =
Prob{S}
Freq {S}
(11)
Dur{M } =
Prob{M }
Freq {M}
(12)
Dur{F } =
Pr ob{F }
Freq {F }
(13)
3.3
Algoritmo proposto
O algoritmo proposto implementado atravs dos
seguintes passos:
i) amostre um estado xk X (espao amostral),
baseado em sua distribuio de probabilidade P(x);
RESULTADOS
4.1
Sistema IEEE-RTS
O sistema IEEE-RTS (Reliability Test System) [16]
pos sui 24 barras, 38 circuitos e 32 unidades geradoras
distribudas entre 14 usinas, perfazendo um total de 3405
MW de potncia instalada. O valor de pico anual da
carga total do sistema atinge 2850 MW. O sistema
IEEE-MRTS uma modificao do sistema original
IEEE-RTS onde a capacidade de gerao e a carga so
multiplicadas por dois, estressando a rede de transmisso.
Duas curvas de carga so utilizadas: a original do
sistema e uma outra correspondente a 52 repeties da
semana pico de inverno (semana 51 da curva original).
A partir destas curvas de carga foram produzidos dois
modelos de Markov, sem qualquer agregao entre seus
estados. Es tes modelos so utilizados pela simulao
no -seqencial para a realizao de dois estudos, os
quais empregam o mesmo critrio determinstico,
composto pelos seguintes eventos:
Gerao: uma unidade em cada usina;
Transmisso: circuitos 3-24; 9-11; 9-12; 10-11;
10-12; 13-11; 13-12; 14-11; 14-16; 15-24; 23-12;
Carga: prximo ponto na curva de carga.
4.1.1 Caso 1
Neste Caso, o sistema IEEE-RTS utilizado com a curva
de carga original. A Tabela 1 apresenta os resultados
obtidos pela metodologia proposta, e tambm atravs da
simulao seqencial, proposta em [5] para sistemas de
gerao. Em mdia, este sistema opera na condio
marginal menos que 25 vezes por ano (Freq{M}).
Portanto, o Caso 1 apresenta uma operao confortvel.
Tabela 1 - ndices de Confiabil idade Preventiva Caso 1
Metodologia
Proposta
0,9846
0,0143
0,0011
Simulao Monte
Carlo Seqencial
0,9848
0,0140
0,0012
Freq{S} (oc./ano)
Freq{M} (oc./ano)
Freq{F} (oc./ano)
22,93
24,78
2,430
21,75
24,01
2,265
Dur{S} (hora)
Dur{M} (hora)
Dur{F} (hora)
375,2
5,047
4,097
395,6
5,083
4,728
ndices
Prob{S}
Prob{M}
Prob{F}
Simulao Monte
Carlo Seqencial
0,5902
0,3583
Prob{F}
Freq{S} (oc./ano)
Freq{M} (oc./ano)
0,0499
302,15
394,15
0,0515
273,3
377,4
Freq{F} (oc./ano)
Dur{S} (hora)
Dur{M} (hora)
Dur{F} (hora)
103,30
16,99
8,019
4,220
92,11
18,86
8,294
4,884
ndices
Prob{S}
Prob{M}
REFERNCIAS
[1]
[2]
[3]
[4]
[5]
Simulao Monte
Carlo Seqencial
0,5715
0,3839
0,0446
Freq{S} (oc./ano)
Freq{M} (oc./ano)
Freq{F} (oc./ano)
476,8
613,4
152,7
489,4
593,7
151,4
Dur{S} (hora)
Dur{M} (hora)
Dur{F} (hora)
10,39
5,522
2,574
10,20
5,646
2,576
ndices
Prob{S}
P rob{M}
Prob{F}
[6]
[7]
[8]
[9]
CONCLUSES
109
NS X1
X2
0
FEPNS ( x ) =
P
se x k SUCESSO
se x k FALHA
se x k SUCESSO
se x k FALHA
~
~
X3 FLOLP E(FLOLP ) AFLOLP A2FLOLP FEPNS E(FEPNS ) AFEPNS A2FEPNS
20
20
20
400
20/2
20
400
1/3
20/3
20
400
20/4
20
400
1/5
20/5
20
400
1/6
20/6
20
400
2/7
10
30/7
30
500
2/8
30/8
30
500
2/9
]2
30/9
30
500
0,2
3,0
30
500
1
~
LOLP = E(FLOLP ) =
AFLOLP = 0,2
10
V[FLOLP ]
~
V[E(FLOLP )] =
=
N
LOLP =
~
V[E(FLOLP )]
=
~
E(FLOLP )
(FLOLPi )
~
N[E(FLOLP )]2
2 10 0,2 2
=
= 0,01777
10 9
N(N - 1)
0,01777
= 0,6667
0,2
ou
66,67%
1
~
EPNS = E(FEPNS ) =
AFEPNS = 3,0 MW EENS = EPNS 8760 h/ano = 26,28 GWh/ano
10
V[FEPNS ]
~
=
V[E(FEPNS )] =
N
EPNS =
~
V[E(FEPNS )]
=
~
E(FEPNS )
(FEPNSi )
~
N[E(FEPNS )]2
N(N - 1)
4,5555
= 0,7115
3,0
ou
500 10 3,0 2
=
= 4,5555
10 9
71,15%
110
~
V [ E ( F ( X ))]
~
E ( F ( X ))
111
G1
1000
1950
6000
250
100
3000
G2
8000
150
G3
950
7000
1800
200
Sistema
300
950
1800
50
50
100
300
50
50
50
100
100
112
1 NY
G
y
e
os
respectivos
s
;
(
)
ndices E (G(Y )) =
i
(G(Y ))
NY i =1
E