Fluxo de carga probabilístico com geração fotovoltaica utilizando estimativa de densidade Kernel.

DSpace Principal
→
Campus Campina Grande | Centro de Engenharia Elétrica e Informática - CEEI
→
PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
→
Mestrado em Engenharia Elétrica.
→
Ver ítem

dc.creator.ID	BORBUREMA NETO, M. M.	pt_BR
dc.creator.Lattes	http://lattes.cnpq.br/8444191911122885	pt_BR
dc.contributor.advisor1	SOUZA, Benemar Alencar de.
dc.contributor.advisor1ID	SOUZA, B. A.	pt_BR
dc.contributor.advisor1Lattes	http://lattes.cnpq.br/4987294390789975	pt_BR
dc.contributor.referee1	NEVES, Washington Luiz de Araújo.
dc.contributor.referee2	BRITO, Nubia Silva Dantas.
dc.description.resumo	Os métodos de Monte Carlo e da Soma de Potência foram combinados numa rotina computacional de cálculo de fluxo de carga probabilístico em redes de distribuição radiais de geração solar fotovoltaica. As cargas e a potência ativa gerada por usinas fotovoltaicas são variáveis aleatórias de entrada. As cargas são modeladas como tendo distribuição normal e as funções de distribuição de probabilidade e distribuição acumulada da potência injetada são obtidas através de dados reais utilizando a estimativa de densidade kernel. A rotina computacional desenvolvida foi aplicada no cálculo do fluxo de carga no sistema-teste de 33 barras do IEEE com a inserção de um e dois geradores tanto no inverno quanto no verão e uma análise comparativa dos cenários foi feita.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.department	Centro de Engenharia Elétrica e Informática - CEEI	pt_BR
dc.publisher.program	PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA	pt_BR
dc.publisher.initials	UFCG	pt_BR
dc.subject.cnpq	Engenharia Elétrica.	pt_BR
dc.title	Fluxo de carga probabilístico com geração fotovoltaica utilizando estimativa de densidade Kernel.	pt_BR
dc.date.issued	2017-08-28
dc.description.abstract	The methods of Monte Carlo Method and Power Sum were combined in a computational routine of probabilistic load flow in radial distribution networks with photovoltaic generation. The loads and the active power generated by photovoltaic power plants are input random variables. The loads have normal distribution and the probability density function and cumulative distribution function of the active power generated are obtained through real data using the kernel density estimate. The developed computational routine is applied in the power flow on the 33-bus test system from IEEE with the insertion of one and then two photovoltaic power plants, both in winter and summer. Then a comparative analysis of the scenarios were made.	pt_BR
dc.identifier.uri	http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/20202
dc.date.accessioned	2021-07-22T19:02:02Z
dc.date.available	2021-07-22
dc.date.available	2021-07-22T19:02:02Z
dc.type	Dissertação	pt_BR
dc.subject	Fluxo de carga probabilístico	pt_BR
dc.subject	Geração fotovoltaica	pt_BR
dc.subject	Estimativa de densidade Kernel	pt_BR
dc.subject	Método de Monte Carlo	pt_BR
dc.subject	Geração distribuída	pt_BR
dc.subject	Sistemas fotovoltaicos conectados à rede	pt_BR
dc.subject	Algoritmo de solução do método da soma de potências	pt_BR
dc.subject	Probabilistic load flow	pt_BR
dc.subject	Photovoltaic generation	pt_BR
dc.subject	Kernel Density Estimation	pt_BR
dc.subject	Monte Carlo Method	pt_BR
dc.subject	Distributed generation	pt_BR
dc.subject	Grid connected photovoltaic systems	pt_BR
dc.subject	Solution algorithm of the power sum method	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.creator	BORBUREMA NETO, Martins Marques.
dc.publisher	Universidade Federal de Campina Grande	pt_BR
dc.language	por	pt_BR
dc.title.alternative	Probabilistic load flow with photovoltaic generation using Kernel density estimation.	pt_BR
dc.description.sponsorship	Capes	pt_BR
dc.identifier.citation	BORBUREMA NETO, Martins Marques. Fluxo de carga probabilístico com geração fotovoltaica utilizando estimativa de densidade Kernel. 2017. 68f. (Dissertação de Mestrado) Programa de Pós-Graduação em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande - Paraíba - Brasil, 2017. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/20202	pt_BR