Evaluation Issues

Dufo-López e Bernal-Agustín (2005) desenvolveram o programa HOGA (Hybrid Optimisation by Genetic Algorithms, ou Otimização de Sistemas Híbridos através de Algoritmos Genéticos) para definição da configuração ótima de sistemas FV-diesel. Os resultados apresentados pelo programa são: quantidade e modelo dos módulos FV, quantidade e modelo das baterias, potência do inversor, potência do grupo gerador a diesel, estratégia de controle ótimo com seus parâmetros, valor presente total do sistema com diferentes custos relativos, como o custo de combustível e, por fim, o número de horas de operação anuais do grupo gerador. Resultados de simulações no HOGA apontam para o sistema híbrido FV-diesel mais competitivo economicamente que sistemas exclusivamente FV e exclusivamente a diesel, além de apresentarem resultados ligeiramente mais eficazes quando comparado a outro consagrado programa de otimização, o HOMER (Hybrid Optimization Model for Electric Renewables, ou Modelo Híbrido de Otimização para Fontes Renováveis de Energia), desenvolvido pelo Laboratório de Energias Renováveis dos Estados Unidos (NREL, do inglês National Renewable Energy Laboratory).

Bernal-Agustín, Dufo-López e Rivas-Ascaso (2006) propõem um método de otimização de sistemas híbridos FV-eólico-diesel com aplicação do algoritmo evolucionário “Strenght Pareto”, onde o dimensionamento do sistema e a estratégia de operação são otimizados com o objetivo de minimizar os custos globais do sistema e a emissão de poluentes. A grande vantagem deste método é a possibilidade de se solucionar problemas multiobjetivos, alcançando valores ótimos para objetivos conflitantes entre si. O projetista pode, através dos resultados gerados pelo programa, escolher a configuração que seja mais adequada às suas expectativas, se custo mínimo com máxima emissão de poluentes, se custo máximo com mínima emissão, ou valores intermediários.

Koutroulis et al. (2006) apresentam uma metodologia para o dimensionamento ótimo de sistemas híbridos FV-eólico utilizando algoritmos genéticos. O método de otimização sugere, entre uma série de equipamentos comercialmente disponíveis, as quantidades e os modelos daqueles que tornam o sistema mais viável economicamente em um horizonte de vinte anos, garantindo atendimento pleno e ininterrupto à carga. As variáveis de decisão incluídas no algoritmo de otimização são: quantidades e modelos de módulos FV, aerogeradores e controladores de carga, ângulo de inclinação dos módulos FV, altura de

instalação dos aerogeradores, e modelo e capacidade nominal das baterias. Os resultados apresentados indicam boa funcionalidade do algoritmo, com curto tempo de processamento. É realizada, ainda, uma comparação de viabilidade econômica entre sistemas híbridos e sistemas exclusivamente FV ou eólicos, indicando uma maior viabilidade dos sistemas híbridos.

Senjyu et al. (2007) propõem um método de otimização de sistemas híbridos FV- eólico-diesel utilizando algoritmos genéticos. O método contempla o dimensionamento do sistema e a estratégia de operação adotada, apresentando como resultado a melhor configuração com o menor custo envolvido. O método apresenta como respostas a área total de módulos FV, as quantidades de aerogeradores e baterias, e o custo global do sistema. São ainda realizadas simulações considerando diferentes taxas de desconto como indicador econômico.

Cabral et al. (2010) apresentam método de dimensionamento de sistemas FV isolados com avaliação estocástica dos comportamentos da radiação solar e do banco de baterias. Para o desenvolvimento do método, foi estudada a análise estocástica incluindo cadeia de Markov e função densidade de probabilidade beta. Os resultados foram comparados com um método determinístico, e o método estocástico apresentou resultados mais confiáveis, com o determinístico tendendo a sobredimensionar o sistema. Como conclusão, é apontado que, em geral, o método estocástico é mais complexo e fornece resultados mais confiáveis e realistas.

Mellit, Kalogirou e Drif (2010) geram, utilizando algoritmos genéticos baseados em redes neurais artificiais, curvas de dimensionamento de sistemas FV isolados. A curva de dimensionamento apresenta a relação ótima entre as quantidades de módulos e de baterias necessárias para suprir uma dada carga, com base nos dados meteorológicos e na probabilidade de perda de carga definida. Inicialmente, um método numérico é aplicado para a geração de curvas de dimensionamento para diferentes probabilidades de perda de carga em 40 locais da Argélia. As entradas do modelo são as coordenadas geográficas e as probabilidades de perda de carga, e a saída é a curva de dimensionamento. 36 locais foram utilizados para treinamento e 4 para teste do modelo. Os resultados são comparados com outros obtidos por métodos numéricos. Além disso, dois novos métodos de regressão são desenvolvidos e comparados com métodos de regressão tradicionais. Os resultados indicam que o modelo de regressão exponencial proposto, com 3 coeficientes, apresenta resultados mais precisos quando comparado a modelos de regressão tradicionais. Uma nova rede neural é utilizada para predizer os coeficientes de dimensionamento para o melhor modelo de regressão.

Baños et al. (2011) apresentam uma extensa revisão sobre métodos de otimização computacionais aplicados a sistemas com fontes renováveis. O estudo, dividido entre sistemas eólicos, FV, hídricos, bioenergéticos, geotérmicos e híbridos, indica um crescimento exponencial no número de pesquisas recentemente desenvolvidas nesta área de conhecimento, verificadas em 10 países; porém, não é citada nenhuma pesquisa desenvolvida no Brasil.

Zhang, Belfkira e Barakat (2011) apresentam um método de otimização de sistemas híbridos do tipo solar FV-eólico-diesel-baterias utilizando um algoritmo determinístico denominado de retângulos divisores. O algoritmo avalia, dentre algumas opções de equipamentos disponíveis comercialmente, os modelos e as quantidades ótimas que resultem em um menor custo global do sistema, com garantia de atendimento pleno à carga. Nas simulações apresentadas, o sistema híbrido do tipo FV-eólico-diesel-baterias apresentou os menores custos globais, quando comparado a outras configurações de sistemas.

Gupta, Kumar e Bansal (2012) apresentam um método de otimização do dimensionamento de sistemas híbridos isolados do tipo solar FV-eólico-diesel-baterias através de algoritmos genéticos. O algoritmo é utilizado para estimar o melhor coeficiente de dimensionamento das fontes renováveis, com base na função objetivo, que é o custo global do sistema. Nos resultados, o método proposto baseado em algoritmos genéticos apresentou melhores resultados que o programa HOMER, com minimização dos custos globais.

Hameed et al. (2012) apresentam método de dimensionamento ótimo de sistemas híbridos solar FV-eólico-baterias utilizando o algoritmo de otimização por enxame de partículas de espaço aberto. O custo total é a função objetivo, e o dimensionamento técnico é a restrição, avaliado em função de dois parâmetros: o balanço energético e a confiabilidade do atendimento, quantificada em função da probabilidade de perda de suprimento à carga, que deve ser igual a zero. O método proposto é comparado a outras três técnicas, a do balanço de energia, a do gradiente e a do enxame por partículas tradicional. Resultados indicam que o método proposto apresentou dimensionamento com menor custo total, com valores consideravelmente inferiores aos obtidos nos métodos do balanço de energia e do enxame por partículas tradicional, e muito próximos aos obtidos no método do gradiente; porém, este último apresenta tempos de processamento computacionais bastante superiores.

Erdinc e Uzunoglu (2012a) apresentam uma análise detalhada sobre técnicas de otimização aplicadas para o dimensionamento de sistemas híbridos com fontes renováveis disponíveis na literatura. São apresentados programas computacionais comercialmente disponíveis, destacadas técnicas de otimização consideradas já consagradas, como algoritmos

genéticos, otimização por enxame de partículas e arrefecimento simulado, e também introduzidas técnicas possivelmente promissoras para aplicações futuras, como o algoritmo de colônia de formigas e os sistemas imunológicos artificiais. As conclusões indicam que a escolha pela técnica mais adequada pode variar de acordo com o tipo de aplicação e as necessidades do usuário, dentre outras.

Bashir e Sadeh (2012) apresentam um método para dimensionamento ótimo de um sistema híbrido solar FV-eólico-baterias para suprir uma determinada carga, cujas funções objetivo são a minimização do custo em 20 anos de análise e a garantia de um determinado índice de confiabilidade ao sistema. O método para dimensionamento ótimo é baseado no algoritmo de otimização por enxame de partículas, e a incerteza dos recursos solar e eólico é avaliada com base nas funções probabilidade de densidade da radiação solar e da velocidade do vento e no método de Monte Carlo. Resultados indicam que a consideração das incertezas dos recursos solar e eólico no método proporcionam redução de até 30 % nos custos do sistema, em comparação com o mesmo método sem a consideração das incertezas.