Confiabilida y Estabilidad

Confiabilidade de Sistemas de
Pot
encia
Parte I
Carmen Lucia Tancredo Borges
EE - COPPE/UFRJ
Programa de Engenharia Eletrica
Setembro 2005
Sum
ario
1 Introduc
ao
1-1
1.1 Nveis Hierarquicos . . . . . . . . . . . . . . . . . . . . . . . . 1 - 2
1.2 Adequacao e Seguranca . . . . . . . . . . . . . . . . . . . . . . 1 - 3
2 Conceitos B
asicos de Teoria de Confiabilidade
2-1
2.1 Avaliacao do Desempenho de Sistemas de Potencia . . . . . . 2 - 3
2.2 Etapas de um Estudo de Confiabilidade . . . . . . . . . . . . . 2 - 9
2.2.1 Estabelecimento dos Objetivos e Formulacao dos Indices
de Confiabilidade Adequados . . . . . . . . . . . . . . 2 - 9
2.2.2 Modelagem Matematica . . . . . . . . . . . . . . . . . 2 - 10
2.2.3 Aquisicao dos Dados Necessarios . . . . . . . . . . . . 2 - 11
2.2.4 Estabelecimento de Criterios . . . . . . . . . . . . . . . 2 - 11
2.2.5 Calculo dos Indices e Avaliacao dos Resultados . . . . 2 - 12
2.3 Modelagem Matematica para Estudos de Confiabilidade . . . . 2 - 12
2.3.1 Modelos Determinsticos . . . . . . . . . . . . . . . . . 2 - 13
2.3.2 Modelos Probabilsticos . . . . . . . . . . . . . . . . . 2 - 15
2.4 Criterios de Planejamento de Sistemas de Potencia . . . . . . 2 - 16
2.4.1 Criterios Determinsticos . . . . . . . . . . . . . . . . . 2 - 16
2.4.2 Criterios Probabilsticos . . . . . . . . . . . . . . . . . 2 - 18
2.4.3 Criterios Economicos . . . . . . . . . . . . . . . . . . . 2 - 20
2.5 Criterios Utilizados no Brasil . . . . . . . . . . . . . . . . . . . 2 - 20
3 Revis
ao de Teoria de Probabilidades
3-1
3.1 Conjuntos e Relacoes . . . . . . . . . . . . . . . . . . . . . . . 3 - 1
3.2 Eventos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 - 1
3.3 Probabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 - 2
3.4 Probabilidade Condicional . . . . . . . . . . . . . . . . . . . . 3 - 2
3.5 Resumo das Principais Combinacoes de Probabilidades . . . . 3 - 3
3.6 Variaveis Aleatorias e Distribuicoes de Probabilidades . . . . . 3 - 4
3.6.1 Funcao Distribuicao de Probabilidade Acumulada de
uma Variavel Aleatoria X . . . . . . . . . . . . . . . . 3 - 4
i
3.7
3.8
3.6.2 Funcao Distribuicao de Probabilidade

3.6.3 Funcao Densidade de Probabilidade .
Medidas de Distribuicoes . . . . . . . . . . .
3.7.1 Media . . . . . . . . . . . . . . . . .
3.7.2 Variancia: . . . . . . . . . . . . . .
3.7.3 Desvio Padrao . . . . . . . . . . . . .
3.7.4 Expectancia ou Valor Esperado . . .
Estimativas da Amostra . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3-5
3-5
3-5
3-5
3-6
3-6
3-6
3-7
4 Principais Distribuico
es de Probabilidade Utilizadas em Confiabilidade
4-1
4.1 Distribuicoes Discretas . . . . . . . . . . . . . . . . . . . . . . 4 - 1
4.1.1 Distribuicao Binomial . . . . . . . . . . . . . . . . . . 4 - 1
4.1.2 Distribuicao Poisson . . . . . . . . . . . . . . . . . . . 4 - 2
4.2 Distribuicoes Contnuas . . . . . . . . . . . . . . . . . . . . . 4 - 5
4.2.1 Distribuicao Uniforme . . . . . . . . . . . . . . . . . . 4 - 5
4.2.2 Distribuicao Normal . . . . . . . . . . . . . . . . . . . 4 - 5
4.2.3 Distribuicao Exponencial . . . . . . . . . . . . . . . . . 4 - 6
4.3 Funcao Risco Associada à uma Funcao Contnua . . . . . . . . 4 - 7
4.3.1 Resumo das Relacoes entre FT (t), fT (t), R(t) e h(t) . . 4 - 8
5 Confiabilidade de Componentes e M
etodos de Redes
5.1 Confiabilidade de Componentes . . . . . . . . . . . . .
5.1.1 Componentes Nao-Reparaveis . . . . . . . . . .
5.1.2 Componentes Reparaveis . . . . . . . . . . . . .
5.2 Metodos de Redes . . . . . . . . . . . . . . . . . . . . .
5.2.1 Sistemas Serie . . . . . . . . . . . . . . . . . . .
5.2.2 Sistemas Paralelo . . . . . . . . . . . . . . . . .
5.2.3 Sistemas Serie - Paralelo . . . . . . . . . . . . .
5.2.4 Sistemas Complexos . . . . . . . . . . . . . . .
6 M
etodo de Espaco de Estados
6.1 Processos Estocasticos . . . . . . . . . . .
6.1.1 Descricao do Processo Estocastico .
6.2 Processos de Markov . . . . . . . . . . . .
6.2.1 Processo de Markov a Dois Estados
ii
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
5-1
. 5-1
. 5-1
. 5-2
. 5-5
. 5-5
. 5-6
. 5-7
. 5-8
.
.
.
.
6-1
. 6-1
. 6-3
. 6-5
. 6 - 10
Captulo 1
Introduc
ao
Os sistemas de potencia constituem elemento basico no desenvolvimento
economico e social das sociedades modernas. Por razoes tecnicas e economicas,
esses sistemas evoluram de um conjunto de pequenos sistemas isolados para
grandes e complexos sistemas interligados com dimensoes nacionais ou, ate
mesmo, continentais. Pode-se dizer que sistemas eletricos de potencia estao
entre os maiores sistemas ja desenvolvidos pelo homem. O elevado n
umero de
componentes, geograficamente distribudos por todo um pas ou continente,
associado com as incertezas na demanda de potencia e disponibilidade de
recursos energeticos, tornam o projeto e operacao destes sistemas uma tarefa
altamente complexa.
A funcao basica dos sistemas de potencia e atender à demanda de energia dos consumidores da maneira mais economica possvel, dentro de padroes
de continuidade, qualidade e seguranca aceitaveis. O ideal seria que o fornecimento de energia aos consumidores fosse ininterrupto. No entanto, a ocorrencia
de falhas em determinados componentes do sistema pode desencadear perturbacoes capazes de afetar um grande n
umero de consumidores, podendo
levar à interrupcao do fornecimento de energia eletrica. A fim de reduzir
a probabilidade, frequencia e duracao desses eventos de falha e reduzir seus
efeitos, e necessario realizar investimentos financeiros no sentido de aumentar
a confiabilidade do sistema. Por outro lado, devido à sofisticacao dos equipamentos eletricos e eletronicos utilizados pelos consumidores, a exigencia em
termos da confiabilidade do suprimento de energia eletrica tem aumentado
evidente que os requisitos economicos e de confiabiliconsideravelmente. E
dade podem conflitar e levar a decisoes gerenciais difceis. A falta de investimentos no setor eletrico forca a operacao de tais sistemas mais proximo de
seus limites, aumentando a necessidade de avaliar de forma mais precisa os
riscos de interrupcao ou degradacao da qualidade do suprimento de energia
eletrica.
1-1
1-2
Confiabilidade de Sistemas de Potencia
Mais recentemente, mudancas institucionais no setor eletrico, tais como

aquelas provocadas por polticas de desregulamentacao, privatizacoes, entre outras, vem criando um ambiente competitivo no mercado de energia
eletrica onde a avaliacao da confiabilidade do servico a ser prestado pelas
empresas e de fundamental importancia no fechamento de contratos com
grandes consumidores. Aliado a isso, a definicao dos custos associados com
a interrupcao de energia vem merecendo especial atencao de especialistas do
setor, para que se possa avaliar o quanto e interessante investir na confiabilidade do sistema em funcao do custo do investimento em si e do custo
da interrupcao para o consumidor e para as empresas fornecedoras de energia eletrica. A reestruturacao do setor eletrico introduz tambem novas
preocupacoes a respeito da confiabilidade do sistema. Novos conceitos como
mercado de energia, acesso aberto ao sistema de transmissao, co-geracao,
produtores independentes, etc., levam a condicoes operativas nao verificadas
anteriormente. Esse novo cenario requer a avaliacao da confiabilidade de
partes maiores do sistema interligado e pode demandar uma modelagem do
sistema a nvel nacional.
Modelos probabilsticos vem sendo cada vez mais utilizados na avaliacao
do desempenho de sistemas de potencia. A partir de informacoes relativas
a falhas dos componentes do sistema, esses modelos permitem estabelecer
ndices de desempenho do sistema os quais podem ser utilizados para auxiliar a tomada de decisoes relativas a novos investimentos, polticas operativas
e para balizar transacoes no mercado de energia eletrica. Esse tipo de estudo
recebe o nome generico de Avaliacao da Confiabilidade [9] e pode ser realizado nos nveis de geracao, transmissao, distribuicao ou ainda, combinando
os varios nveis. Neste u
ltimo caso teramos os estudos de confiabilidade composta dos quais o mais utilizado na pratica e a avaliacao da confiabilidade de
sistemas compostos de geracao e transmissao.
1.1
Nveis Hier
arquicos
Um sistema de potencia pode ser dividido em tres zonas funcionais para fins
de planejamento, operacao e analise: geracao, transmissao e distribuicao. Essas zonas funcionais podem ser combinadas para formar os nveis hierarquicos
que sao usados nos estudos de confiabilidade. O nvel hierarquico 1 (NH1)
diz respeito apenas à geracao. O nvel hierarquico 2 (NH2) inclui tanto a
geracao como a transmissao, enquanto o nvel hierarquico 3 (NH3) inclui
todas as tres zonas funcionais.
Na avaliacao de confiabilidade de geracao (NH1), toda a carga e toda
a geracao sao concentradas em uma u
nica barra e as limitacoes da rede de
EE - COPPE/UFRJ
1-3
transmissao sao ignoradas. A determinacao dos ndices se da atraves de

tecnica analtica que requer reduzido esforco computacional.
Na avaliacao de confiabilidade de sistemas compostos geracao-transmissao
ou simplesmente confiabilidade composta (NH2), o sistema de transmissao e
includo e sao analisados os efeitos de falhas de geracao, transmissao e composicao de ambas. A avaliacao da confiabilidade composta e muito mais trabalhosa do que a de geracao, pois a inclusao da rede de transmissao aumenta
sobremaneira o n
umero de variaveis aleatorias envolvidas e a complexidade
da avaliacao do desempenho dos estados do sistema.
Estudos do NH3 nao sao normalmente executados diretamente devido à
elevada dimensao do problema em um sistema real. A avaliacao de confiabilidade do sistema de distribuicao tem sido desenvolvida separadamente dos
sistemas de geracao e transmissao.
1.2
Adequac
ao e Seguranca
A confiabilidade de sistemas de potencia pode ser determinada em relacao

a dois aspectos: de adequacao do sistema e de seguranca do sistema. O aspecto de adequacao esta relacionado com a existencia de recursos suficientes
dentro do sistema para satisfazer a demanda de carga do consumidor e os
requisitos operacionais do sistema. Isso inclui os recursos de geracao, transmissao e distribuicao necessarias para transportar a energia aos pontos de
consumo. A avaliacao em relacao à adequacao esta associada com condicoes
estaticas que nao incluem a dinamica do sistema e a resposta a dist
urbios
transitorios. Os diferentes estados do sistema sao analisados sem levar em
consideracao possvies instabilidades que podem ser introduzidas pelas falhas
dos componentes do sistema.
A seguranca esta relacionado com a habilidade do sistema de responder
a dist
urbios dinamicos ou transitorios que possam ocorrer no sistema. A
avaliacao em relacao à seguranca esta associada com a resposta do sistema
a qualquer perturbacao a que ele esteja sujeito. Isso inclui perda abrupta de
geracao e/ou transmissao que podem levar a instabilidade dinamica, transitoria ou de tensao.
A maioria das tecnicas disponveis atualmente para avaliacao da confiabilidade estao no domnio da avaliacao quanto a adequacao. A habilidade
para avaliar a seguranca e ainda muito limitada devido principalmente à
complexidade associada com a modelagem do comportamento dinamico do
sistema [16]. A maioria dos ndices calculados sao, na realidade, ndices de
adequacao e nao ndices de confiabilidade numa forma geral, apesar de serem
assim designados.
1-4
Captulo 2
Conceitos B
asicos de Teoria de
Confiabilidade
Confiabilidade em engenharia pode ser definida como a probabilidade de
um componente, sistema ou equipamento cumprir suas funcoes pre-fixadas,
dentro de um perodo de tempo desejado e debaixo de certas condicoes operativas. A importancia da confiabilidade cresce com:
Complexidade tecnologica
Exigencias severas das condicoes operativas
Exigencias de alto grau de automacao
Expectativas de desempenho (eficacia)
A medicao da confiabilidade pode se dar de modo qualitativo (subjetivo)
ou quantitativo (objetivo). A medicao quantitativa da confiabilidade se utiliza da Teoria da Probabilidade. Em geral, nao e uma questao de ser ou
nao confiavel, mas sim o quanto e confiavel (grau de confiabilidade). Neste
aspecto, a escala de valor difere da escala de custo, ou seja, o valor da confiabilidade nao dependente somente do custo dos equipamentos.
A Teoria da Confiabilidade, que ganhou impulso durante a II Guerra
Mundial, estuda metodos que devem ser adotados nas fases de planejamento,
projeto, fabricacao, instalacao e operacao de componentes e sistemas, de
baseada
modo a assegurar a maxima eficiencia, seguranca e economia. E
nas leis de falhas dos componentes e sistemas, representada atraves de suas
distribuicoes de probabilidade de falha, e estabelece ndices quantitativos de
desempenho, chamandos ndices de confiabilidade. A teoria de confiabilidade
tambem lida, trata e modela fontes de incerteza no processo, tais como o
tempo de ocorrencia de falhas, o tempo de reparo de falhas, entrada em
2-1
2-2
servico de novas obras, a frequencia de ocorrencia de eventos de falha, etc.

Para tanto requer a utilizacao de tecnicas probabilsticas.
Os requisitos mnimos para se realizar um estudo de confiabilidade sao:
Modelo matematico apropriado para o problema em questao
Indices de risco apropriados que mecam de forma apropriada a adequacao
Dados estatsticos de falha e operacao dos componentes e sistemas para
possibilitar a estimacao das confiabilidade preditiva
A forma classica de se aumentar a confiabilidade de um sistema e atraves
do uso de redundancia. Isso pode ser realizado atraves de adocao de sistemas
stand-by ou recursos em paralelos, conforme mostrado na Figura 2.1. Por
outro lado, o aumento do n
umero de componentes aumenta a complexidade
do sistema e, consequentemente, diminui a confiabilidade. O ideal, entao,
sao sistemas simples e confiaveis, ou seja, sistemas com qualidade.
Sistema
Controle
Principal
Sistema
Controlado
Sistema de
Controle
Stand-by
LT - circ 1
LT - circ 2
Figura 2.1: Redundancia: Stand-by e Paralelo

A melhoria da confiabilidade de um sistema implica em maiores custos de
investimento e menores custos de falhas, como pode ser observado na Figura
2.2. O custo de falha ou interrupcao varia segundo a classe do consumidor
(industrial, comercial ou residencial). O grau de confiabilidade otimo a ser
perseguido e aquele que corresponde ao menor custo total do sistema.
EE - COPPE/UFRJ
2-3
Custo ($)
Investimento
Custo Total
Falhas
Confiabilidade tima
Confiabilidade
Figura 2.2: Curva de Custo da Confiabilidade
2.1
Avaliac
ao do Desempenho de Sistemas de
Pot
encia
A avaliacao do desempenho de sistemas de potencia, medido atraves de

ndices ou indicadores de desempenho, visa determinar o grau de sucesso
alcancado ou previsto para a operacao do sistema no atendimento aos seus
objetivos principais:
Atendimento à demanda eletrica dos consumidores com 3 atributos:
1. Regime contnuo
2. Boa qualidade
3. Margem de seguranca conveniente
Garantia de retorno economico dos investimento aplicados
A avaliacao do desempenho pode ser classificada quanto aos horizontes
temporais em:
1. Avaliacao Preterita
Historico da pos-operacao
2-4

Dados relativos ao desempenho sistemico e de equipamentos
Avaliacao do desempenho
2. Avaliacao Preditiva
Previsao do desempenho do sistema (pre-operacao)
Horizontes de longo prazo, medio prazo e curto prazo
Longo prazo (planejamento): Avaliacao da Confiabilidade
Curto prazo (operacao): Monitoracao de Risco
Os modos de falha considerados na avaliacao do desempenho do sistema
sao do tipo:
1. Falha de Continuidade (integridade ou conectividade)
Corte parcial ou total de carga
Natureza temporaria ou permanente
Caracterstica binaria (atendimento ou nao)
2. Falha de Adequacao (qualidade ou conformidade)
Proximidade das condicoes ideais de atendimento
Sobrecargas, subtensoes, sobretensoes, nveis de harmonicos, excursoes de frequencia, etc
3. Falha de Seguranca (dinamico e transitorio)
Mensuracao de margens e folgas em relacao à perda de estabilidade
(transitoria ou de tensao)
Tempos de manobra ou desligamento de equipamentos, coeficientes
de amortecimento, margens de colapso de tensao, etc
Os indicadores de desempenho obtidos na avaliacao do desempenho do
sistema, tambem chamados indicadores de confiabilidade ou risco, podem ser
classificados sob diferentes enfoques em indicadores:
1. Quanto ao tratamento de incertezas
Determinsticos (todos os parametros do sistema considerados conhecidos)
Probabilsticos
EE - COPPE/UFRJ
2-5
Via series temporais

2. Quanto ao nvel de abrangencia
Sistemicos
De componentes, equipamentos e pontos de carga
3. Quanto ao sub-sistema
Fontes primarias de energia
Geracao
Transmissao
Nodais (subestacoes)
Distribuicao
4. Quanto ao nvel hierarquico
NH0 (fontes primarias de energia)
NH1 (NH0 + geracao)
NH2 (NH1 + transmissao): Confiabilidade Composta
NH3 (NH2 + distribuicao)
5. Quanto a grandeza eletrica
Frequencia de eventos de falha (ocorrencias)
Duracao de eventos de falha (horas)
Potencia interrompida (MW)
Energia interrompida (MWh)
Severidade (tempo de indisponibilidade)
Custo ($)
A figura 2.3 mostra os cortes de carga previsveis devido à deficiencia de
suprimento de energia e potencia no sistema.
A figura 2.4 ilustra os conceitos envolvidos na avaliacao da confiabilidade
de um sistema de potencia, a partir das curvas de suprimento realizado devido
à sadas forcadas nao programadas em relacao à demanda de potencia.
A figura 2.5 mostra as consequencias para a operacao do sistema causado
por falhas de componentes.
A figura 2.6 mostra a representacao do sistema, os objetivos e principais
ndices calculados nos diferentes nveis hierarquicos de estudos de confiabilidade.
2-6
Figura 2.3: Deficiencia de suprimento de energia e potencia
Figura 2.4: Curvas de Suprimento Realizado e Demanda
EE - COPPE/UFRJ
Figura 2.5: Falhas de Componentes e Efeitos no Sistema
2-7
2-8
Figura 2.6: Nveis Hierarquicos de Estudos de Confiabilidade
EE - COPPE/UFRJ
2.2
2-9
Etapas de um Estudo de Confiabilidade
As principais etapas envolvidas em um estudo de confiabilidade sao:

1. Estabelecimentos do Objetivos
2. Modelagem Matematica
3. Aquisicao de Dados
4. Estabelecimento de Criterios
5. Calculo dos Indices
6. Analise dos Resultados
A figura 2.7 mostra as etapas de um estudo de confiabilidade.
Figura 2.7: Etapas de um Estudo de Confiabilidade
2.2.1
Estabelecimento dos Objetivos e Formula

c
ao dos
Indices de Confiabilidade Adequados
Essas definicoes sao dependentes, basicamente, das informacoes requeridas

pelo processo decisorio. No caso de planejamento de sistemas de potencia, um
2 - 10
objetivo comum e a escolha de uma dentre varias alternativas tecnicamente

qualificadas. No caso de criterios determinsticos, o ndice de comparacao
global entre alternativas se resume ao custo das mesmas. Com metodologias
e criterios probabilsticos, e possvel associar a cada alternativa um ndice de
merito que reflita, por exemplo, a contribuicao de cada esquema de reforco
para a reducao do risco de falha do sistema. Neste caso, o objetivo da analise
pode ser enunciado como a quantificacao do risco de perda de carga de uma
dada alternativa de expansao do sistema. Quanto à selecao dos ndices de
confiabilidade adequados, dispoe-se atualmente de um elenco substancial de
ndices sendo utilizados. A escolha de um ndice deve levar em consideracao,
alem dos objetivos do estudo, tres aspectos importantes:
1. Ser calculavel a partir de estatstica de desempenho do sistema e de
seus componentes
2. Ser mensuravel a partir do historico da operacao
3. Ter comportamento consistente e previsvel
Como se observa do exposto, as informacoes disponveis na base de dados
das empresas condiciona os ndices quantitativos passveis de selecao numa
analise de confiabilidade. De uma forma geral, os ndices escolhidos para
tomada de decisao quanto ao planejamento de sistema devem permitir:
Identificar as areas crticas e os pontos fracos das configuracoes
Mensurar a eficacia dos reforcoes ou benefcios inerentes às configuracoes
Confrontar com nveis de balizamento estabelecidos por consenso normativo ou por criterios orientativos.
2.2.2
Modelagem Matem
atica
Esta etapa compreende a determinacao do modelo de desempenho do sistema,

a caracterizacao dos eventos de falha, a caracterizacao das medidas corretivas
aplicaveis e a identificacao dos modos de falha a nvel de componentes e de
sistema. Os principais aspectos a considerar no estabelecimento do modelo
matematico sao:
Complexidade do modelo resultante, funcao do grau de detalhe na representacao do sistema sob anallise e da gama de fenomenos relevantes
para caracterizacao dos tipos e modos de falha
Disponibilidade de recursos computacionais compatveis com a complexidade do modelo
EE - COPPE/UFRJ
2 - 11
Disponibilidade de informacoes para definir a relevancia de cada tipo

e modo de falha, bem como permitir a posterior validacoa do modelo
2.2.3
Aquisic
ao dos Dados Necess
arios
Esta etapa compreende a coleta e, eventualmente, o tratamento estatstico

dos varios tipos de informacoes requeridos para efetiva aplicacao do modelo
matematico. No caso de um sistema especfico sob analise, dois tipos de
informacoes podem ser considerados para uso:
Dados e parametros tpicos
Dados e parametros oriundos da experiencia operativa.
No primeiro caso, simplifica-se o trabalho de coleta e tratamento estatstico de dados e complica-se o trabalho de analise e tomada de decisao,
uma vez que nao se pode concluir, a priori, sobre a qualidade dos resultados
calculados em relacao àqueles que poderiam ser medidos no sistema. Esta
deficiencia pode ser compensada, em parte, por analises de sensibilidade,
muitas vezes onerosas e inconclusivas.
No segundo caso, ha condicoes de relacionar resultados calculados e medidos (ou mensuraveis) no sistema, com maior seguranca para o decisor, que
pode reduzir margens de seguranca e, consequentemente, custos de expansao
e reserva.
De qualquer maneira, os resultados nao sao melhores do que os dados de
entrada: garbage in, garbage out .
2.2.4
Estabelecimento de Crit
erios
Consiste no estabelecimento dos nveis de confiabilidade considerados satis uma tarefas das mais
fatorios para o sistema ou subsistema em estudo. E
importantes e difceis, pois o nvel de risco influi diretamente nos custos de
expansao do sistema e, por consequencia, na propria economia da empresa
e do pas. O nvel de risco adequado pode ser definido a partir de consenso
normativo, valores legais ou analise de repercussoes de nveis de risco alternativos. O nvel de risco adequado deve refletir o compromisso entre a probabilidade de ocorrencia e a severidade das consequencias dos diversos tipos e
modos de falha. A determinacao do balanco adequado requer estatsticas de
falha de componentes e do sistema, por um lado, e levantamento e analise de
estatsticas de interrupcao, custos de deficit e eficacia de medidas corretivas,
por outro.
2 - 12
2.2.5
C
alculo dos Indices e Avalia
c
ao dos Resultados
Nesta etapa, sao calculados os ndices de confiabilidade a cada alternativa,

cujo confronto, entre si ou contra valores pre-especificados, possibilita uma
decisao quanto à aceitacao, modificacao ou rejeicao das alternativas sob exame. Adicionalmente, outras investigacoes podem ser realizadas com vistas a
aferir a adequacao da metodologia proposta, a necessidade de reformulacao
de objetivos e/ou a adaptacao do modelo matematico em uso. Em todas
as etapas, mas nesta em particular, um bom resultado depende nao so da
experiencia e sensibilidade do analista, mas tambem do conhecimento qualificado das caractersticas estruturais e de funcionamento do sistema. Ha
a necessidade da disponibilidade de informacoes em quantidade e qualidade
suficientes, para garantir a correta aplicacao dos modelos e interpretacao de
seus resultados.
2.3
Modelagem Matem
atica para Estudos de
Confiabilidade
O objetivo da modelagem matematica para estudos de confiabilidade e representar, matematicamente, o comportamento do sistema eletrico e seus componentes, com vistas a permitir o calculo dos ndices de confiabilidade requeridos pelos objetivos do estudo. As etapas envolvidas na modelagem
matematica sao:
1. Selecao dos ndices de confiabilidade de interesse
2. Identificacao dos fenomenos relevantes para o calculo dos ndices selecionados
3. Formulacao dos modelos matematicos representativos dos fenomenos
de interesse
4. Avaliacao da validade e adequacao do modelo matematico
Na analise da confiabilidade de um sistema sao requeridos dois tipos de
modelos:
1. Modelos determinsticos: visam representar o desempenho do sistema
e permitem classificar um estado como sucesso ou falha. Esses modelos sao empregados na avaliacao e classificacao de estados do sistema
(avaliacao de desempenho e aplicacao de medidas corretivas).
EE - COPPE/UFRJ
2 - 13
2. Modelos probabilsticos: sao empregado no calculo dos ndices de confiabilidade a partir da avaliacao do desempenho dos estados do sistema.
A figura 2.8 mostra o fluxograma geral do modelo matematico de um
estudo de confiabilidade.
2.3.1
Modelos Determinsticos
Modelos de Desempenho do Sistema

Os modelos de desempenho do sistema podem ser classificados em Estaticos,
que medem adequacao, ou Dinamicos, que medem seguranca. Os principais
modelos estaticos utilizados sao:
1. Modelo de Transporte (Primeira Lei de Kirchhoff): permite avaliar
apenas as violacoes de continuidade e/ou capacidade de transporte.
Utilizado na avaliacao da confiabilidade do intercambio entre areas,
onde os intercambios sao modelados apenas como capacidade de transporte. Exemplos deste modelo sao os metodos de fluxo maximo (max
flow) e cortes mnimos (min cut).
2. Modelo de Fluxo de Potencia Linearizado (Primeira e Segunda Leis de
Kirchhoff): considera aspectos de potencia ativa (sobrecarga) e isolamento de barras.
3. Modelo de Fluxo de Potencia Nao-Linear (Primeira e Segunda Leis de
Kirchhoff): considera aspectos de potencia ativa e reativa, problemas
de tensao, ilhamento, separacao de sistemas, etc
Os modelos dinamicos sao baseados em simulacao, atraves da solucao
alternada de sistemas de equacao algebricas e diferenciais, ou em metodos
diretos, tais como Liapunov.
Modelos de C
alculo de Medidas Corretivas
As principais medidas corretivas consideradas em estudos de confiabilidade
com vistas a eliminar violacoes de tensao e/ou carregamento no sistema sao:
redespacho de geracao (ativa/reativa)
chaveamento de componentes (desligamento de linha, chaveamento de
reator ou capacitor, variacao de tap, etc)
transferencia de carga entre alimentadores (subtransmissao e distribuicao)
2 - 14

Preparao dos
Dados de
Entrada
Estabelece
Configurao a
Analisar
Seleciona
Contingncia a
Analisar
Seleo
do
Estado
Avalia
Desempenho
do Sistema
Avaliao
do
Estado
Atende Critrios
Desempenho?
Sim
No
Aplica Medidas
Corretivas
Atende Critrios
Desempenho?
Sim
No
Calcula
Severidade
e Atualiza
Estatsticas
No
ltima
Contingncia
?
Sim
Calcula ndices
de
Confiabilidade
Figura 2.8: Modelo Matematico de um Estudo de Confiabilidade
EE - COPPE/UFRJ
2 - 15
chaveamento de geradores (automatica ou por sobrefrequencia)

desligamento de carga (automatica ou por sobre/subfrequencia)
redespacho de elos DC (potencia ativa), etc
Os modelos de calculo de medidas corretivas podem ser heursticos ou
otimizantes. Os modelos heursticos sao baseados em regras pre-fixadas que
nao garantem a otimalidade das medidas corretivas. Sao, em geral, eficazes
para problemas locais (ex: subtensao em circuito radial). O modelos de
otimizacao sao baseados em algoritmos matematicos que buscam a otimalidade das medidas corretivas. Dentre os principais algoritmos de otimizacao
usados na aplicacao de medidas corretivas estao:
1. Programacao Linear (associado ao modelo de analise de desempenho
por fluxo de potencia linearizado ou atraves de linearizacoes sucessivas
para o modelo de fluxo de potencia nao-linear)
2. Programacao Nao-Linear
3. Metodo de Pontos Interiores
4. Metodos Metaheursticos (Algoritmos Geneticos, Busca Tabu, Simulated Anealing, etc)
2.3.2
Modelos Probabilsticos
As principais fontes de incerteza no calculo dos ndices de confiabilidade sao:

Estado dos componentes: operativo, falho, em manutencao preventiva,
etc
Estado do tempo (condicoes climaticas): bom, chuvoso, u
mido, alta
salinidade, etc
Estado hidrologico: nvel dos reservatorios (UHEs), vazao dos rios,
cascateamento de usinas, etc
Estado da carga: varia ao longo das horas, dos dias, da estacao do ano,
etc (curva de carga)
Os modelos de calculo de ndices de confiabilidade sao baseados em:
1. Metodos Combinatorios (1937 - 1960): Teoria das Probabilidades
2 - 16
2. Processos Estocaticos (1960 - desenvolvimento): Processo de Markov

3. Simulacao Monte Carlo (Independente do tempo ou Cronologica): amostragem
de estados do sistema
4. Hbridos: amostragem da geracao e enumeracao da transmissao
2.4
Crit
erios de Planejamento de Sistemas de
Pot
encia
O objetivo do planejamento de sistemas de potencia e determinar uma sequencia

de obras que irao prover ao consumidor um servico de qualidade, sob condicoes
operativas confiaveis, ao menor custo. Os criterios usados no planejamento
podem ser de natureza determinstica, probabilstica ou economica.
2.4.1
Crit
erios Determinsticos
Nao se considera riscos ou incertezas. Os criterios mais usuais sao:

N-1 (contingencias simples): definicao da malha de transmissao capaz
de suportar todas as contingencias simples em regime permanente, sem
ocorrencia de perdas de carga ou violacoes operativas (sobrecargas em
linhas e transformadores, limites de tensao, ilhamento, etc)
N-2 (contingencias duplas)
N-k (contingencias m
ultiplas)
As principais vantagens de criterios determinsticos sao:
Simplicidade de uso
Facilidade de interpretacao dos resultados
Associacao direta com a pratica operativa do sistema
Por outro lado, metodos determinsticos apresentam as seguintes desvantagens:
Nao considera as probabilidades de ocorrencia das contingencias
Pode vir a ser demasiado conservativo e caro
EE - COPPE/UFRJ
2 - 17
Dificuldade de comparar alternativas com custos proximos (necessario

a analise da probabilidade de ocorrencia das contingencias)
Nao valoriza a relacao de benefcios e custos economicos das alternativas
Nao captura a natureza aleatoria de operacao do sistemas, das disponibilidades energeticas e das ocorrencias de falhas de equipamentos
Apesar dessas consideracoes, criterios determinsticos sao ainda largamente utilizados no Brasil e em outras pases. Em sistemas de potencia
reais de grande porte, onde os equipamentos sao de alta disponibilidade, o
conjunto de contingencias simples e duplas representa uma porcao bastante
significativa (acima de 90%) do espaco de estados operativos do sistema. Isso
sera verificado no exemplo a seguir.
Considere um sistema composto de n = 3 componentes modelados a 2
estados: operativo ou falho. O n
umero total de configuracoes do sistema e
n
3
2 = 2 = 8 estados (espaco de estados). As disponibilidades dos componentes sao as mostradas na Tabela 2.1.
Componente
Disponib.
Indisponib.
A
0,9
0,1
B
C
0,8 0,7
0,2 0,3
Tabela 2.1: Disponibilidade dos Componentes

As probabilidades de ocorrencia dos diferentes nveis de contingencia esta
mostrado na Tabela 2.2. Conforme pode ser observado, o sistema ntegro
juntamente com as contingenicas simples representam 90,2 % do espaco de
estados, enquanto o conjunto de contingencias simples e duplas representa
mais do que 99 % do espaco de estados.
Caso Base
Ctg Simples
Ctg Duplas
Ctg Tripa
Estados
A B C
A B C
C
A B
A B C
C
A B
A B C
C
A B
C
A B
Probabilidade
50,4 %
Prob. Acumulada
50,5 %
39,8 %
90,2 %
9,2 %
99,4 %
0,6 %
100 %
Tabela 2.2: Probabilidades dos Estados
2 - 18
2.4.2
Crit
erios Probabilsticos
Considera aleatoriedade de eventos de falha, suas probabilidades de ocorrencia

e quantifica o risco associado às alternativas operacionais. As principais vantagens de criterios probabilsticos sao:
Indices e criterios ajustaveis às caractersticas do sistema
Permite avaliar o impacto de medidas nao convencionais de planejamento (polticas de operacao e reserva, tecnologias alternativas , etc)
Soluciona desvantagens dos criterios determinsticos
Detecta a severidade, frequencia e duracao das contingencias
Por outro lado, metodos probabilsticos apresentam as seguintes desvantagens:
Elevado volume de dados necessarios (dados estocasticos)
Dificuldade de interpretacao e uso dos resultados
Certo grau de arbitrariedade na fixacao do nvel de risco aceitavel
Nao garante benefcio maior que o custo do investimento: Enfoque
Economico
Metodos probabilsticos podem ser aplicados no planejamento atraves da
fixacao a priori de um nvel de risco aceitavel (Patamar de Risco) e posterior
realizacao de obras e reforcos de modo a atender ao patamar especificado.
Outra forma de utilizacao e atraves do levantamento da curva de Custo ($)
- Benefcio (ENS - MWh) das alternativas tecnicamente viaveis e fixacao a
posteriori do nvel de risco aceitavel em funcao dos custos das alternativas.
Um sistema de classificacao de riscos por severidade, adotado em diversos
pases e que e u
til para a classificacao dos nveis de risco incorridos esta
mostrado na Table 2.3 [1]. A severidade, medida em minutos do sistema, e
obtida pela divisao entre a expectancia da Energia Nao Servida (ENS) em
MWh pela ponta de carga do sistema em MW. A ttulo de ilustracao, pode-se
citar que o blecaute de 11/03/1999 ocorrido no Brasil classificou-se no grau
3 (117 minutos do sistema).
As Tabelas 2.4 e 2.5 [1] apresentam dados estatisticamente verificados de
contingencias simples e duplas para o Brasil e EUA (BPA - Boneville Power
Administration), respectivamente.
As formas de quantificacao do risco envolvido nas alternativas podem ser
baseadas em tecnicas analticas ou simulacao estocastica:
EE - COPPE/UFRJ
2 - 19
Classificacao
Grau 0
Grau 1
Grau 2
Grau 3
Grau 4
Severidade
<1
1 a 10
10 a 100
100 a 1000
> 1000
Interpretacao
Aceitavel
Nao Grave
Grave
Muito Grave
Catastrofica
Tabela 2.3: Graus de Severidade

Contingencia
1 gerador
1 linha
1 trafo
2 geradores
gerador e linha
gerador e trafo
2 linhas (indep)
linha e trafo
2 trafos
Probabilidade
(pu)
1,1E-02
8,3E-04
5,0E-04
1,2E-04
9,1E-06
5,5E-06
6,9E-07
4,2E-07
2,5E-07
Frequencia
(ocorrencias/ano)
7
2,6
1,1E-01
Duracao
(horas)
14
2,8
40
Tabela 2.4: Riscos de Contingencias - Brasil

1. Tecnicas Analticas
Espaco de Estados de pequeno porte:
(a) Exaustao
(b) Combinatorial (Metodo de Redes)
(c) Arvore
de Falha
Espaco de Estados de grande porte:
(a) Enumeracao de Contingencias: Confiabilidade da Transmissao
(b) Truncamento (maiores probabilidades)
(c) Selecao a priori (mais severas)
2. Simulacao Estocastica
(a) Simulacao Monte Carlo (Nao Sequencial): Confiabilidade Composta
(b) Simulacao Monte Carlo Sequencial: Custo da Confiabilidade
2 - 20

Contingencia
1 gerador
1 linha
1 trafo
2 geradores
gerador e linha
gerador e trafo
2 linhas (indep)
linha e trafo
2 trafos
Probabilidade
(pu)
4,6E-02
8,2E-04
2,8E-03
1,9E-03
3,7E-05
1,2E-04
6,8E-07
2,3E-06
8,1E-06
Frequencia
(ocorrencias/ano)
4
1,8
3,7E-02
3,3E-01
8,2E-02
1,2E-02
3,0E-03
5,1E-03
2,1E-04
Duracao
(horas)
100
4
672
50
4
87
2
4
336
Tabela 2.5: Riscos de Contingencias - EUA (BPA)
2.4.3
Crit
erios Ec
onomicos
Implica na traducao das deficiencias de atendimento em termos economicos.

As analise sao do tipo Benefcio/Custo e sao utilizadas tecnicas de otimizacao
da confiabilidade. A utilizacao de criterios economicos tem aplicacao direta
em analise de viabilidade economica, priorizacao de obras, etc. Para tanto, ha
a necessidade de dados relativos aos custos associados à intensidade, duracao
e frequencia dos cortes de carga, tanto para o consumidor como para a concessionaria. Os principais custos envolvidos sao:
1. Custo de nao faturamento: associado às tarifas de energia, representam
prejuzo das concessionarias
2. Custo de deficit: relacionado a situacoes de racionamento (deficiencia
energetica).
3. Custo de interrupcao: reflete o impacto nos consumidores, e funcao da
duracao da interrupcao. Diferentes classes de consumidor: industrial,
residencial e comercial. A ttulo de ilustracao, a Tabela 2.6 mostra os
custos de interrupcao de energia no Brasil em US$/KWh, em Dezembro
1990, para as tres classes de consumidor.
2.5
Crit
erios Utilizados no Brasil
Sao os seguintes os criterios que vem sendo utilizados no Brasil, nos diferentes horizontes temporais de planejamento e operacao do sistema eletrico e
energetico:
EE - COPPE/UFRJ
Incio do
Evento
0-3
0-8
8 - 18
18 - 24
0,98
1,83
1,81
0-8
8 - 18
18 - 24
2,87
2,73
2,80
0 - 24
2 - 21
Duracao da Interrupcao (min)
3 - 15 15 - 30 30 - 60 60 - 120
Classe Comercial
1,83
2,80
2,55
2,45
3,16
4,25
4,36
4,76
3,03
3,92
3,77
4,10
Classe Industrial
1,23
1,07
0,90
0,81
1,26
1,20
0,95
0,86
1,14
1,06
0,83
0,75
Classe Residencial
1,11
> 120
2,69
3,76
3,14
0,78
0,78
0,78
Tabela 2.6: Custos de Interrupcao [US$/KWh] - Brasil Dez/90

1. Planejamento da Expansao (Geracao e Transmissao): metodos probabilsticos; avaliacao da confiabilidade composta
2. Planejamento da Operacao Energetica
(a) Suprimento de Energia
i. Determinsticos
Afluencias futuras: repeticao de afluencias iguais ao historico
de vazoes; serie mais seca do historico
Manutencoes programadas: cronograma de manutencao
preventiva; historico de manutencao de unidades geradoras semelhantes
Sadas forcadas de geradores: ndices estatsticos
ii. Probabilsticos
Risco pre-fixado: avalia disponibilidade de energia pela
minimizacao dos custos (no Brasil, utiliza-se risco de deficit
de 5% ao ano)
Custos de nao-atendimento conhecidos: qualidade do suprimento traduzida em custos e minimizacao do custo total
da operacao do sistema
(b) Suprimento de Potencia
i. Determinsticos: geracao a ser instalada dimensionada para
atender à demanda maxima prevista e à margem de reserva
operativa para manter a qualidade do suprimento
2 - 22

ii. Probabilsticos
Risco pre-fixado: opcao mais frequente; risco mensurado
pela avaliacao da confiabilidade
Custo de deficit pre-fixado: requer conhecimento do custo
do deficit de potencia nos horarios de ponta por classe de
consumidor; avaliacao da confiabilidade composta (custo
da confiabilidade)
3. Planejamento da Operacao Eletrica

(a) Curto Prazo (ate um mes): criterios determinsticos; Programacao
diaria da operacao (a cada 30 minutos)
(b) Anual (ano seguinte): criterios determinsticos
(c) Plurianual (ate 3 anos a frente): criterios determinsticos
Captulo 3
Revis
ao de Teoria de
Probabilidades
3.1
Conjuntos e Relac
oes
A (B C) = (A B) (A C)
A (B C) = (A B) (A C)
B) = A B
(A
B) = A B
(A
B)
A B = (A
A = (A B) (A B)
3.2
Eventos
Eventos sao resultados de experimentos repetidos varias vezes. O conjunto

de todos os possveis resultados e chamado de Espaco Amostral () [2, 4].
Evento e o subconjunto de que compreende todos os resultados que satisfazem algum regra.
Exemplo: Evento E1 = soma de 2 dados e igual a 8.
E1 = {(2,6), (3,5), (4,4)}
Uniao: Ea Eb (OU)
Intersecao: Ea Eb (E)
Complemento: E (NOT)
Evento certo: = E E
Evento impossvel: =
Se Ea Eb = entao Ea e Eb sao eventos disjuntos ou mutuamente
exclusivos.
3-1
3-2
3.3
Probabilidade
Probabilidade e uma funcao real associada aos eventos que representa a

frequencia relativa com que este evento ocorre numa serie de tentativas (infinita). Em n tentavivas, a probabilidade de um evento E vale:
nE
n
(3.1)
nE
n n
(3.2)
P [E] =
O valor exato seria calculado por:
P [E] = lim
Axiomas:
1. 0 P [E] 1
2. P [] = 1
3. Eventos disjuntos: P [Ea Eb ] = P [Ea ] + P [Eb ]
3.4
Probabilidade Condicional
P [A | B] =
P [A B]
,
P [B]
P [B] 6= 0
(3.3)
Eventos Independentes: A ocorrencia de um nao influencia na probabilidade de ocorrencia do outro. Se A e B sao eventos independentes, entao:
P [A | B] = P [A]
(3.4)
P [A B] = P [A] P [B]
(3.5)
e, consequentemente:
Exemplo: Considere 2 urnas, onde a urna U1 possui 2 bolas brancas e 1
bola preta e a urna U2 possui 1 bola branca e 2 bolas pretas.
P [B | U1 ]
P [B | U2 ]
P [B]
P [B]
P [B]
=
=
=
=
=
2/3 = 0, 67
1/3 = 0, 33
P [B U1 ] + P [B U2 ]
P [B | U1 ] P [U1 ] + P [B | U2 ] P [U2 ]
0, 67 0, 5 + 0, 33 0, 5 = 0, 5
EE - COPPE/UFRJ
3-3
Considere, agora, que as 2 urnas tem 2 bolas brancas e 1 bola preta. O

evento tirar bola brancapassa a ser um evento idenpendente de qual urna
e sorteada primeiro.
P [B | U1 ]
P [B | U2 ]
P [B]
P [B | U1 ]
=
=
=
=
2/3 = 0, 67
2/3 = 0, 67
0, 67 0, 5 + 0, 67 0, 5 = 0, 67
P [B | U2 ] = P [B]
A probabilidade de A condicionada a B1 Bn , sendo Bi mutuamente

exclusivos vale:
n
X
P [A] =
P [A | Bi ] P [Bi ]
(3.6)
1=1
e, consequentemente;
P [A B] = P [A | B] P [B] = P [B | A] P [A]
3.5
(3.7)
Resumo das Principais Combinaco

es de
Probabilidades
1. Geral:
=1
P [A] + P [A]
P [A B] = P [A | B] P [B]
P [A B] = P [A] + P [B] P [A B]
2. Eventos Independentes:
P [A B] = P [A] P [B]
P [A B] = P [A] + P [B] P [A] P [B]
3. Eventos Mutuamente Exclusivos:
P [A B] = 0
P [A B] = P [A] + P [B]
4. Extensao para Varios Eventos:
P [A1 A2 An ] = P [A1 ] P [A2 | A1 ] P [An | A1 An1 ]
3-4
3.6
Vari
aveis Aleat
orias e Distribuico
es de Probabilidades
Variavel Aleatoria e uma funcao que atribui a cada resultado do espaco

amostral um n
umero real X. As variaveis aleatorias podem ser contnuas
ou discretas. A Figura 3.1 ilustra o significado de variavel aleatoria.
cara coroa
X(E)
X(cara)=0
X(coroa)=1
Figura 3.1: Variavel Aleatoria
3.6.1
Func
ao Distribuic
ao de Probabilidade Acumulada de uma Vari
avel Aleat
oria X
Em ingles: CDF - Cumulative Distribution Function.

FX (x) = P [X x]
(3.8)
Propriedades:
1. 0 FX (x) 1
2. FX () = 0
3. FX () = 1
4. FX (x) e nao decrescente: Se x1 x2 entao FX (x1 ) FX (x2 )
Aplicacao:
P [a < X b] = P [X b] P [X a] = FX (b) FX (a)
(3.9)
EE - COPPE/UFRJ
3.6.2
3-5
Func
ao Distribuic
ao de Probabilidade
Somente para V.A. discreta.
P [X = xi ] para x = xi
pX (x) =
0
caso contrario
FX(x)
(3.10)
pX(x)
x1
x2
x3
x4
x1
x2
x3
Figura 3.2: Funcao Distribuicao de Probabilidade

X
FX (x) =
pX (xi )
x4
(3.11)
xi x
3.6.3
Func
ao Densidade de Probabilidade
Somente para V.A. contnua.

Em ingles: PDF - Probability Density Function.
P [x < X x + x]
x0
x
Consequentemente, P [x < X x + x]
= fX (x) x
Z x
FX (x) =
fX (x) dx
fX (x) = lim
3.7
3.7.1
Medidas de Distribuic
oes
M
edia
1. V.A. discreta: m =
P
i
xi pX (xi )
(3.12)
(3.13)
3-6

FX(x)
fX(x)
x1
x2
x1
x2
Figura 3.3: Funcao Densidade de Probabilidade

R
2. V.A. contnua: m =
3.7.2
Vari
ancia:
1. V.A. discreta: 2 =
2. V.A. contnua: 2 =
3.7.3
x fX (x) dx
i (xi
m)2 pX (xi )
(x m)2 fX (x) dx
Desvio Padr
ao
=
3.7.4
(3.14)
Expect
ancia ou Valor Esperado
Para uma funcao g(x) de uma V.A. X:

1. V.A. discreta: E[g(x)] =
2. V.A. contnua: E[g(x)] =
g(xi ) pX (xi )
g(x) fX (x) dx
Assim:
E[X] = m
E[(X m)2 ] = 2
(3.15)
(3.16)
EE - COPPE/UFRJ
3.8
3-7
Estimativas da Amostra
Quando a distribuicao nao e conhecida e apenas existe informacao sobre uma

amostra de tamanho N , trabalha-se com a estimativa da media e da variancia
da amostra.
1. Estimativa de m: media da amostra x
N
1 X
x =
xj
N j=1
(3.17)
2. Estimativa de 2 : variancia da amostra s2

N
s2 =
1 X
(xj x)2
N 1 j=1
(3.18)
3-8
Captulo 4
Principais Distribuic
oes de
Probabilidade Utilizadas em
Confiabilidade
As principais distribuicoes de probabilidade utilizadas na analise de confiabilidade sao [5, 18]:
Distribuicoes Discretas:
1. Binomial
2. Poisson
Distribuicoes Contnuas:
1. Uniforme
2. Normal
3. Exponencial
4.1
4.1.1
Distribuicoes Discretas
Distribuic
ao Binomial
Experimentos baseados em tentativas independentes repetidas, cada uma

delas com dois resultados possveis: sucesso ou falha. Dado:
n : n
umero fixo de tentativas
p : probabilidade de sucesso, sendo (1 p) a probabilidade de falha
4-1
4-2
r : n
umero de resultados de sucesso, sendo (n r) o n
umero de resultados
de falha
pr : probabilidade de r sucessos
(1 p)nr : probabilidade de (n r) falhas
N
umero de vezes que podem ocorrer r sucessos em n tentativas:

n!
n
Cn,r =
=
(n r)! r!
r
Assim:

n r
pX (r) =
p (1 p)nr
r
(4.1)
(4.2)
Media: m = n p
Variancia: 2 = n p (1 p)
Exemplo: Considere que os 5 geradores identicos de uma usina tem probabilidade 0,98 de estar em servico. Qual a probabilidade de um deles estar
fora de operacao?
n = 5 r = 4 p = 0, 98

5
(0, 98)4 (0, 02)1 = 0, 0923 = 9, 23%
p(4) =
4
m = 5 0, 98 = 4, 9
2
= 5 0, 98 0, 02 = 0, 098
4.1.2
Distribuic
ao Poisson
Caso especial da Binomial quando n , n >> r, p << 1 e = n p

(media) se mantem limitada quando n . Orientacao: aplicavel quando
n 20 e p 0, 05.

n
r
nr
pX (r) =
1
(4.3)
r
n
n
pX (r) =
Media: m =
r e
r!
(4.4)
EE - COPPE/UFRJ
4-3
Variancia: 2 =
Exemplo: Considere que a probabilidade de sucesso numa tentativa e de
0,1. Calcule a probabilidade de em 10 tentativas haverem 2 sucessos.
1. Binomial: n = 10 r = 2 p = 0, 10

10
p(2) =
(0, 10)2 (0, 90)8 = 0, 1937
2
(4.5)
2. Poisson: = n p = 1
p(2) =
12 e1
= 0, 1839
2!
(4.6)
Considere, agora, que n = 20 e p = 0, 005

1. Binomial:

20
(0, 005)2 (0, 995)18 = 0, 0043
p(2) =
2
(4.7)
2. Poisson: = n p = 0, 1
0, 12 e0,1
p(2) =
= 0, 0045
2!
(4.8)
Como pode ser observado, para o segundo caso a distribuicao de Poisson

e uma boa aproximacao.
Colocando o evento em funcao de um tempo contnuo (t) e considerando
o n
umero medio de falhas em unidade de tempo constante, medido pela taxa
de falha [ocorrencias/unidade de tempo], o n
umero medio de falhas sera
= t [ocorrencias]. A probabilidade de ocorrencia de r falhas no tempo t
e dada por:
(t)r et
pX (r) =
(4.9)
r!
A probabilidade de nao ocorrer falhas no tempo t, chamada de Confiabilidade
do Componente R(t), e dada por:
pX (0) = et = R(t)
(4.10)
Exemplo: Considere cabos de distribuicao com = 0, 5 falhas/100Km/ano.

Quais as probabilidades de 0, 1, 2,... falhas num trecho de 10Km de cabo,
num perodo de 20 anos e 40 anos.
= 0, 05 falhas/ano.
(10km) = 0,5
10
4-4
1. 20 anos: = 20 0, 05 = 1, 0 falha
r = 0 pX (0) = e 1 = 1/e
11 e 1
r = 1 pX (1) =
= 1/e = 0, 3678
1!
12 e 1
r = 2 pX (2) =
= 1/2e = 0, 1839
2!
13 e 1
r = 3 pX (3) =
= 1/6e
3!
2. 40 anos: = 40 0, 05 = 2, 0 falhas
r = 0 pX (0) = e 2 = 1/e2 = 0, 1353
21 e 2
r = 1 pX (1) =
= 2/e2 = 0, 2706
1!
r = 2 pX (2) = 2/e2
r = 3 pX (3) = 4/3e2
A Figura 4.1 mostra as distribuicoes de probabilidades de falhas do trecho

de cabo para 20 e 40 anos.
px
px
n = 40 anos
n = 20 anos
Figura 4.1: Distribuicoes de Probabilidade de Falha para 20 e 40 anos
EE - COPPE/UFRJ
4.2
4-5
Distribuic
oes Contnuas
4.2.1
Distribuic
ao Uniforme
fX (x) =
FX (x) =
Media: m =
1
ba
,a<xb
, caso contrario
(4.11)
,xa
,a<xb
,x>b
(4.12)
xa
ba
a+b
2
Variancia: 2 =
(ba)2
12
A Figura 4.2 mostra o grafico das funcoes densidade de probabilidade e

probabilidade acumulada para uma distribuicao uniforme.
fx
Fx
1 / (b - a)
Figura 4.2: Distribuicao Uniforme
4.2.2
Distribuic
ao Normal
(xm)2
1
fX (x) = e 22
2
(4.13)
Essa distribuicao e pouco utilizada em confiabilidade, porque pode assumir valores negativos (vida u
til, tempo de reparo, etc nao podem).
4-6
A distribuicao binomial se aproxima da normal quando n . Valores

tabulados da normal, que sao bastante disponveis, podem ser usados para
variavel com distribuicao binomial se n for grande.
A Figura 4.3 mostra o grafico da funcao densidade de probabilidade para
uma distribuicao normal.
fx
Figura 4.3: Distribuicao Normal
4.2.3
Distribuic
ao Exponencial
fX (x) =
FX (x) =
Media: m =
ex , x > 0
0
,x0
(4.14)
1 ex , x > 0
0
,x0
(4.15)
Mean Time to Failure (MTTF)
Variancia: 2 =
1
2
Desvio Padrao: = m
A Figura 4.4 mostra o grafico das funcoes densidade de probabilidade e
probabilidade acumulada para uma distribuicao exponencial.
EE - COPPE/UFRJ
4-7
fx
Fx
Figura 4.4: Distribuicao Exponencial
4.3
Func
ao Risco Associada `
a uma Func
ao
Contnua
Em ingles: Hazard Function.

P [x < X x + x | X > x]
x0
x
h(x) = lim
(4.16)
Considerando X como tempo de vida de um componente (tempo ate a

falha ou Time to Failure - TTF), temos:
h(t) t
= P [falha em (t, t + t)|nao falhou antes de t]
(4.17)
A funcao h(t) corresponde à densidade da probabilidade da falha ocorrer

no instante apos t, dado que sobreviveu ate t.
No caso particular da distribuicao exponencial, temos:
h(x) =
h(x) =
lim
x0
1 P [(x < X x + x) (X > x)]

x
P [X > x]
1 P [x < X x + x]
x0 x
P [X > x]
lim
fX (x)
1 FX (x)
ex
h(x) =
=
ex
h(x) =
(4.18)
(4.19)
(4.20)
(4.21)
4-8
Ou seja, a distribuicao exponencial e a u

nica a ter h(x) constante igual
a . Aplicado ao conceito de TTF, significa que se o tempo de vida de um
componente segue uma distribuicao exponencial, a probabilidade de falha no
proximo instante e sempre a mesma durante todo o perodo de operacao. Por
essa razao, a distribuicao exponencial e dita sem memoria, ou seja, nao e
preciso monitorar a idade dos componentes.
4.3.1
Resumo das Relac

oes entre FT (t), fT (t), R(t) e h(t)
Z
FT (t) =
fT (t)dt
(4.22)
RT (t) = 1 FT (t)
fT (t)
h(t) =
RT (t)
(4.23)
(4.24)
No caso particular da distribuicao exponecial:

fT (t)
FT (t)
RT (t)
h(t)
=
=
=
=
et
1 et
et
(4.25)
(4.26)
(4.27)
(4.28)
Exemplo: Seja um componente com = 0, 005 falhas/ano (5% a.a.) que

segue uma distribuicao exponencial. Entao:
MT T F = m =
1
= 200 anos e o tempo medio para falhar!
(4.29)
Na realidade, ao considerar uma distribuicao exponencial, esta se considerando h(t) constante, enquanto na realidade nao o e, conforme pode ser
observado na Figura 4.5.
A Funcao de Risco Tpica de Componentes, tambem chamada Curva da
Banheira, esta mostrada na Figura 4.6.
EE - COPPE/UFRJ
4-9
hx
real
exponencial
200
Figura 4.5: Distribuicao Exponencial e Comportamento Real
ht
Falhas de
fabricao
Taxa de falha constante

(Dist. Exponencial)
Envelhecimento
Figura 4.6: Curva de Risco Tpica (Banheira)
4 - 10
Captulo 5
Confiabilidade de Componentes
e M
etodos de Redes
5.1
Confiabilidade de Componentes
Os componentes podem ser classificados em reparaveis e nao-reparaveis:

1. Componentes Nao Reparaveis: observados somente ate falharem, porque
nao podem ser reparados, ou e anti-economico, ou apenas o historico
ate a primeira falha e de interesse.
2. Componentes Reparaveis: historico alterna perodos de operacao e
falha. Possui maior interesse em sistemas de potencia.
5.1.1
Componentes N
ao-Repar
aveis
Sao definidos por uma u

nica distribuicao R(t).
Considere T a variavel aleatoria que define o tempo de vida de um componente, caracterizada por sua distribuicao de probabilidade:
FT (t) = P [T t]
(5.1)
1
P [t < T t + t]
t0 t
(5.2)
fT (t) = lim
Considerando a definicao de confiabilidade como a probabilidade do componente exercer suas funcoes adequadamente, num perdodo de tempo desejado (tm ) e sob condicoes de operacao apropriadas, pode-se definir a Funcao
Confiabilidade como:
Rtm = P [T > tm ] R(t) = P [T > t]
R(t) = 1 FT (t)
5-1
(5.3)
(5.4)
5-2
Propriedades:
1. 0 R(t) 1
2. t = 0 R(0) = 1
3. t = R() = 0
Considerando que o tempo de vida do componente segue uma distribuicao
exponencial, a funcao confiabilidade do componente e:
R(t) = et
5.1.2
(5.5)
Componentes Repar
aveis
Sao definidos por duas distribuicoes, uma para estado operativo fU (t) e uma
para estado de falha fD (t). Para sua avaliacao, requer no mnimo dois ndices
do componente:
1. no estado operativo, a taxa de falha
2. no estado de falha, a taxa de reparo
Considerando distribuicoes exponenciais para o tempo de operacao e para
o tempo de reparo, tem-se:
1
1
mD =
fU (t) = et mU =
(5.6)
fD (t) = et
(5.7)
onde
mU : tempo medio de operacao ou tempo medio ate falhar (MTTF)
mD : tempo medio de reparo ou tempo medio ate ser reparado
A solucao do Modelo de Markov a Dois Estados, mostrado na Figura
5.1, aplicando-se a teoria de processos estocaticos, fornece as seguintes caractersticas:
Probabilidade de estar operando:
pU (t) = P [operando em t] =
(+)t
+
e
+ +
(5.8)
EE - COPPE/UFRJ
5-3
Taxa de Falha
Taxa de Reparo
Figura 5.1: Historico de vida e Diagrama a Dois Estados

Probabilidade de estar falhado:
pD (t) = P [falhado em t] =
(+)t
e
+ +
Disponibilidade do componente:
mU
A=
=
mU + mD
+
(5.9)
(5.10)
Indisponibilidade do componente:
A =
mD
=
mU + mD
+
(5.11)
Comportamento a longo prazo (probabilidades estacionarias ou em

regime permanente):
pU (t) A
pD (t) A
(5.12)
(5.13)
A definicao das taxas de falha () e de reparo () e:

=
no. de falhas do componente no perodo considerado

tempo total que o componente ficou operando
(5.14)
no. de reparos do componente no perodo considerado

tempo total que o componente ficou em reparo
(5.15)
5-4
Em geral, podemos escrever:

taxa de transicao =
no. de transicoes a partir de dado estado

tempo total gasto naquele estado
(5.16)
Exemplo: Para a Figura 5.1, temos:

N
umero de vezes que componente falha no perodo analisado: 3.
N
umero de vezes que componente e reparado no perodo analisado: 3.
Tempo total em que o componente esta operando: 1 + 2 + 3 = 6.
Tempo total em que o componente esta em reparo: 2 + 1 + 1 = 4.
=
3
6
= 1/2
1
= 2 - tempo medio esperado para que ocorra uma falha.
4
3
A=
6
10
= 60% - probabilidade do componente estar operando.
A =
4
10
= 40% - probabilidade do componente estar falhado.
mU =
=
3
4
mD =
- tempo medio esperado para que o componente volte a operar.
Os valores de mU e mD podem ser representados no grafico de ciclo

de estados do componente, onde os estados operativo e falho se alternam,
mostrado na Figura 5.2. O tempo total do ciclo operacao/falha do componente e chamado Tempo Medio entre Falhas (MTBF) e calculado pela soma
mU + mD . Para o exemplo, temos:
MTBF = mU + mD = 10/3
(5.17)
Baseado na Figura 5.2, fica evidenciado os valores de disponibilidade e

indisponibilidade calculados anteriormente, considerando as relacoes entre os
tempos de residencia nos respectivos estados e o perodo total analisado:
A=
mU
mU +mD
2
10/3
3
5
A =
mD
mU +mD
4/3
10/3
2
5
EE - COPPE/UFRJ
5-5
MTBF
t
mU
mD
Figura 5.2: Ciclo de Tempos Medios de Residencia nos Estados
5.2
M
etodos de Redes
Metodos de redes sao metodos usados para avaliar a confiabilidade do sistema

baseado na confiabilidade dos componentes e na solucao de diagramas logicos
de redes. Sao aplicaveis a espacos de estados de pequeno porte e quando for
possvel construir diagramas logicos de todo o sistema sob analise.
As condicoes de aplicabilidade desses metodos sao as seguintes (estruturas
monotonicas):
1. Componentes modelados a 2 estados: operativo e falho
2. Sistema modelado a 2 estados: operativo e falho
3. Se todos os componentes estao operando, o sistema tambem esta operando
4. Se todos os componentes estao falhados, o sistema tambem esta falhado
5. A falha de um componente em um sistema ja falhado nao pode restaurar
o sistema
6. O reparo de um componente em um sistema operando nao pode causar
falha no sistema
5.2.1
Sistemas S
erie
Seja:
RA : probabilidade de A estar operando
5-6

A
Figura 5.3: Sistema Serie

QA : probabilidade de A estar falhado
RA + QA = 1 e, consequentemente, RB + QB = 1
Calcula-se a probabilidade do sistema estar operando (RS ) (confiabilidade do sistema) e a probabilidade do sistema estar falhado (QS ) (indisponibilidade do sistema), considerando a falha dos componentes como eventos
independentes, atraves de:
RS = P (S) = P (A B) = RA RB
= QA + QB QA QB
QS = P (S) = P (A B)
(5.18)
(5.19)
Para n componentes serie, tem-se:

RS =
QS = 1
n
Y
i=1
n
Y
Ri
(5.20)
Ri
(5.21)
i=1
Conclusao: Quanto maior o n

umero de elementos serie no diagram logico,
menor a confiabilidade do sistema.
5.2.2
Sistemas Paralelo
A probabilidade do sistema estar operando (RS ) e a probabilidade do sistema

estar falhado (QS ), considerando a falha dos componentes como eventos independentes, vale:
RS = P (S) = P (A B) = P (A) + P (B) P (A B) = RA + RB RA RB
= P (A B)
= P (A)
P (B)
= QA QB
QS = P (S)
(5.22)
Para n componentes paralelos, tem-se:
QS =
RS = 1
n
Y
i=1
n
Y
i=1
Qi
(5.23)
Qi
(5.24)
EE - COPPE/UFRJ
5-7
Figura 5.4: Sistema Paralelo

Conclusao: A confiabilidade do sistema aumenta com o aumento do
n
umero de componentes em paralelo. Porem, existe um n
umero otimo a
partir do qual a confiabilidade estabiliza, porem o custo de manutencao e
dos equipamentos continua crescendo.
Exemplo: Considere um sistema serie, composto por n = 10 componentes
com Ri = 0, 95. A confiabilidade do sistema vale:
RS = 0, 9510 = 0, 5987
Considere, agora, um sistema paralelo, composto com n = 1...6 componentes com Ri = 0, 8. Os valores de confiabilidade e indisponibilidade do
sistema sao mostrados na Tabela 5.1.
n
QS
1
0,2
2
0,04
3
0,008
4
0,0016
5 0,00032
6 0,000064
RS
0,8
0,96
0,992
0,9984
0,99968
0,999936
RS (%)
20,0
24,0
24,8
24,96
24,99
Tabela 5.1: Sistema Paralelo com n = 1...6
5.2.3
Sistemas S
erie - Paralelo
A confiabilidade do sistema mostrado na Figura 5.5 e calculada como:

R9 = R1 R2 R3 R4
R10 = R5 R6 R7 R8
R11 = 1 Q9 Q10 = R9 + R10 R9 R10
5-8

1
11
10
Figura 5.5: Sistemas Serie-Paralelo

Supondo que Ri = 0, 9 para todos os componentes, a confiabilidade do
sistema vale:
R11 = 0, 94 + 0, 94 0, 98 = 0, 8817
5.2.4
Sistemas Complexos
Sao sistemas que nao podem ser reduzidos por operacoes serie-paralelo elementares. A Figura 5.6 ilustra uma ponte:
1
3
2
Figura 5.6: Sistemas Complexos

A solucao para esses casos baseia-se no fato de que, qualquer estrutura
monotonica complexa pode ser convertida em estruturas serie-paralelo equivalentes, usando o conceito de caminhos mnimos (minimal ties) ou cortes
mnimos (minimal cuts) [7].
Caminho (v) e o conjunto de componentes que ao operarem garantem
que o sistema opera. No exemplo, {(1,4); (2,5); (1,3,5); (2,3,4); (1,2,4);
(1,3,4); (1,5,4); ...}
Caminho mnimo (t) e o caminho cuja retirada de um componente nao
e mais um caminho. No exemplo, {(1,4); (2,5); (1,3,5); (2,3,4); ...}
Corte (k) e o conjunto de componentes cujas falhas conjuntas resultam
na falha do sistema. No exemplo, {(1,2); (4,5); (1,3,5); (2,3,4); (1,2,3);
(1,2,4); ...}
EE - COPPE/UFRJ
5-9
Corte mnimo (c) e o corte cuja retirada de um componente nao e mais

um corte. No exemplo, {(1,2); (4,5); (1,3,5); (2,3,4); ...}
A probabilidade dos estados operativo e falho do sistema sao calculados
como:
P (S) = P [t1 t2 ...]
= P [
P (S)
c1 c2 ...]
onde ti e o evento em que todos os componentes do caminho mnimo ti
estao operando e ci e o evento em que todos os componentes do corte mnimo
ci estao falhados.
De um modo geral, o metodo de redes calcula basicamente a probabilidade de falha do sistema. Pode ser extendido para calcular frequencia e
duracao, mas com o prejuzo da simplicidade do metodo e aumento con um metodo mais adequado para analise de sistemas
sideravel de trabalho. E
nao-reparaveis. Para sistemas reparaveis, e aplicavel quando somente a probabilidade de longo prazo (de operacao ou falha) sao de interesse.
5 - 10
Captulo 6
M
etodo de Espaco de Estados
6.1
Processos Estoc
asticos
Processos estocasticos sao caracterizados por um conjuntos de variaveis aleatorias, ordenadas em uma certa sequencia. Por exemplo, temperaturas maximas
diarias numa dada estacao formam um conjunto de variaveis aleatorias. Esta
sequencia, quando ordenada, pode ser vista como um processo estocatico.
Outro exemplo pode ser a sequencia formada pelo n
umero de pessoas, continuamente mutavel, em uma fila de banco a cada minuto.
A notacao adotada na representacao de processos estocasticos e:
X(t) - Sequencia de variaveis aleatorias em um processo. Os valores assumidos pela V.A podem ser discretos ou contnuos.
t - Indice ou parametro do processo. O ndice pode ser discreto ou contnuo.
O conjunto dos valores assumidos pela V.A. forma o Espaco de Estados.
O Espaco de Estados, por sua vez, tambem pode ser discreto ou contnuo.
Tem-se, entao, quatro tipos de processo estocatico, conforme seu espaco de
estados e seu ndice sejam discretos ou contnuos.
Por exemplo, a sequencia de temperaturas diarias e um processo com
espaco de estados contnuo e ndice discreto (dia), enquanto o n
umero de
pessoas na fila e um processo com espaco de estados discreto e ndice discreto
(minuto).
Considere um processo estocatico com um conjunto de ndices discretos
{t} e um espaco de estados discreto {xk }. Os ndices sao ordenados de forma
que t1 < t2 < t3 . . . Nao e necessario nenhuma ordenacao de xk .
Nessas condicoes, o P.E. e definido por algumas regras, indicando como
a distribuicao de qualquer V.A. Xn = X(tn ) depende dos valores assumidos
6-1
6-2
pelas demais V.A.s Xi , (1 i n 1). Estas regras sao expressas, em geral,

na forma de probabilidades condicionais, como indicado a seguir:
P [Xn = xn | (X1 = x1 ) (X2 = x2 ) (Xn1 = xx1 )]
(6.1)
A expressao anterior e a distribuicao de Xn em termos do que pode ser

chamado de historiado P.E e mostra como o valor da V.A. no ndice tn
depende dos valores anteriores da sequencia.
No caso geral, diferentes distribuicoes de Xn sao obtidas para diferentes
realizacoes do processo estocatico no intervalo (t1 , tn1 ), onde uma realizacao
representa um dado conjunto de xi , i = 1 . . . n 1.
A Figura 6.1 ilustra esse conceito para o exemplo das temperaturas maximas
diarias, onde a curva e uma realizacao possvel do P.E.
X(t)
x2
xn
x1
t1
t2
t3
n-1
tn
t
xn-1
x3
X1
X1
X2
X2
X3
X3
n-1
Xn
n-1
Figura 6.1: Processo Estocatico

Cada V.A. X (dia do ano) possui sua propria distribuicao (por exemplo,
temperaturas maximas em 01/janeiro nos u
ltimos 10 anos). Com isso, e
EE - COPPE/UFRJ
6-3
possvel determinar a distribuicao da V.A. Xn em funcao das distribuicoes

de X1 ate Xn1 . Ou seja, e possvel calcular o valor de xn em funcao dos
valores de x1 a xn1 . O calculo de xn e dependente da realizacao (valores de
x1 a xn1 ) em analise.
6.1.1
Descric
ao do Processo Estoc
astico
O processo estocastico e descrito atraves da distribuicao de probabilidade

conjunta de todos as Xi :
pX1 X2 ...Xn = P (x1 x2 . . . xn )
pX1 X2 ...Xn = P [(X1 = x1 ) (X2 = x2 ) . . . (Xn = xn )]
(6.2)
(6.3)
Esta probabilidade e a probabilidade de realizacao do processo estocatico

ate o tempo tn , para um dado conjunto {xi }. Em termos de probabilidade
condicional, sabendo-se que:
P [A1 A2 An ] = P [A1 ] P [A2 | A1 ] P [An | A1 An1 ] (6.4)
podemos escrever:
pX1 X2 ...Xn = P [X1 = x1 ] P [X2 = x2 | X1 = x1 ] . . .
P [Xn = xn | (X1 = x1 ) . . . (Xn1 = xn1 )]
(6.5)
Esta expressao mostra que a probabilidade de uma realizacao ate tn e o

produto das probabilidades condicionadas de Xi , i = 1 . . . n. Na maioria das
aplicacoes, o objetivo e calcular a distribuicao nao-condicionada de Xn . Isso
pode ser obtido atraves da aplicacao do Teorema das Probabilidades Totais,
a saber:
pXn (xn ) = P [Xn = xn ] =
(6.6)
X
=
P [Xn = xn | uma realizacao em (t1 . . . tn1 )] P [desta realizacao]
Rt1 ,tn1
onde Rt1 ,tn e o conjunto de todas as realizacoes em (t1 . . . tn1 ).
Comparando-se as equacoes 6.6 e 6.5, observa-se que o primeiro termo
do produto em 6.6 corresponde ao u
ltimo termo de 6.5, enquanto o u
ltimo
termo do produto em 6.6 corresponde ao produto dos demais termos de 6.5.
Assim, podemos escrever que:
pX1 X2 ...Xn = P [Xn = xn | uma realizacao em (t1 . . . tn1 )] P [desta realizacao]
(6.7)
6-4
Em consequencia:
pXn =
pX1 X2 ...Xn
(6.8)
Rt1 ,tn1
No caso geral, tanto {ti } quanto {xi } podem ser discretos ou contnuos.
Assim, e conveniente utilizar-se a Funcao Distribuicao Conjunta:
FX1 X2 ...Xn = P [(X(t1 ) x1 ) . . . (X(tn ) xn )]
(6.9)
No caso do ndice t ser contnuo, o conjunto {t1 . . . tn } e escolhido arbitrariamente no intervalo de variacao de t. A implicacao disso e que uma descricao
suficiente de um P.E. com ndice contnuo pode ser obtida a partir da observacao de um conjunto de pontos discretos no tempo.
A distribuicao conjunta FX1 X2 ...Xn pode ser expressa em funcao de distribuicoes de probabilidade condicionais das V.A.s entre t1 e tn , ou seja:
FX1 X2 ...Xn = P [X1 x1 ] P [X2 x2 | X1 x1 ] . . .
P [Xn xn | (X1 x1 ) . . . (Xn1 xn1 )]
(6.10)
Na verdade, se o processo passou por valores x1 em t1 , x2 em t2 , . . . , a

distribuicao condicionada de Xn num instante tn fica:
FXn |X1 X2 ...Xn1 = P [Xn xn | (X1 = x1 ) . . . (Xn1 = xn1 )]
(6.11)
Exemplo: Um exemplo de processo estocastico e a chamada Caminhada

Aleatoria (Random Walk), na qual tanto o ndice t como a V.A. Xn sao
discretos.
Descricao do processo: a cada instante de tempo ti uma moeda viciada e
lancada, onde as probabilidades sao:
P [cara] = p Xi = 1
P [coroa] = q = (1 p) Xi = 1
(6.12)
(6.13)
Considerando n intantes de tempo, o P.E. pode ser descrito como:

Xn =
n
X
Xi
i=1
A Figura 6.2 ilustra uma possvel realizacao desse P.E.
(6.14)
EE - COPPE/UFRJ
6-5
Xn
t
-1
Limites do P.E.
Figura 6.2: Exemplo de P.E. Random Walk
6.2
Processos de Markov
Conforme descrito anteriormente, um P.E. e definido pelas probabilidades

condicionais:
FXn |X1 X2 ...Xn1 = P [Xn xn | (X1 = x1 ) . . . (Xn1 = xn1 )]
(6.15)
As probabilidades condicionais de X(t) dependem, em geral, dos valores

assumidos por todas as V.A.s que compoem o processo anterior a t. No
entanto, uma classe importante de P.E. tem a seguinte propriedade:
Se os instantes {t1 , t2 , . . . , tn } sao ordenados na sequencia t1 < t2 < <
tn , entao para um conjunto qualquer de V.A.s Xi tem-se:
FXn |X1 X2 ...Xn1 = FXn |Xn1
(6.16)
Processos que satisfazem a essa condicao sao denominados Processos de

Markov, que por sua vez tem a seguinte propriedade:
A probabilidade da V.A. X, no instante tn depende somente do valor de
X no instante tn1 , e nao depende da realizacao do processo anterior a tn1 .
Em outras palavras, o processo e sem memoria.
Os processo de Markov podem envolver ndices {ti } discretos ou contnuos,
assim como V.A. {xi } tambem discretas ou contnuas. Um processo com
ndices {ti } discretos e V.A. {xi } tambem discretas e chamado Cadeia de
Markov.
Considere um processo de Markov em que X(t) e discreto e o ndice t e
contnuo. Usando a notacao:
tn1 = t
tn = t + h
(6.17)
(6.18)
6-6
tem-se:
P [X(t + h) = j | X(t) = i)] = pij (t, h)
(6.19)
onde pij (t, h) e chamada probabilidade de transicao do estado i para o estado

j.
Se a probabilidade pij nao depende de t, mas somente de h, o processo
de Markov e dito homogeneo. Para valores pequenos de h = t, as probabilidades de transicao num processo de Markov homogeneo sao:
P [X(t + t) = j | X(t) = i)] = pij (t)
= qij t
P [X(t + t) = i | X(t) = i)] = pii (t)
= 1 qii t
(6.20)
(6.21)
onde pii (t) e a probabilidade de nenhuma mudanca de estado no intervalo

t, dado que o processo esta no estado i no incio do intervalo.
As quantidades qij e qii sao chamadas intensidades de transicao e sao
definidas por:
pij (t)
, i 6= j
t0
t
1 pii (t)
= lim
t0
t
qij =
qii
lim
(6.22)
(6.23)
As intensidades de transicao sao constantes se o processo de Markov for

homogeneo.
Admitindo-se que o processo esta no estado i num dado momento, no
proximo intervalo t podem ocorrer duas situacoes:
1. O processo transita do estado i para o estado j
2. O processo permanece no estado i
Representando essas situacoes graficamente, tem-se o chamado Diagrama
de Transicao de Estados, mostrado na Figura 6.3.
Da analise do Diagrama de Transicao de Estados, tem-se:
pii (t) +
pij (t) = 1
(6.24)
j6=i
Substituindo em 6.23, conclui-se que:

X
1 X
pij (t) =
qij
t0 t
j6=i
qii = lim
(6.25)
EE - COPPE/UFRJ
pi i (dt)
i
6-7
pj i (dt)
pi j (dt)
pj j (dt)
j
Figura 6.3: Diagrama de Transicao de Estados

As probabilidades pij (t) podem ser condensadas na Matriz de Probabilidades de Transicao P (t):
P (t) = [pij (t)]
p11 (t) p12 (t) . . .

p21 (t) p22 (t) . . .
P (t) =
...
...
...
pn1 (t) pn2 (t) . . .
(6.26)
p1n (t)
p2n (t)
...
pnn (t)
(6.27)
Caractersticas da Matriz de Probabilidades de Transicao:

1. Matriz quadrada com elementos nao negativos
2. A soma dos elementos de uma linha e 1.
A Matriz de Transicao A, independente do tempo, e definida como:
q11 q12 . . . q1n

q21 q22 . . . q2n
(6.28)
A=
...
... ... ...
qn1
qn2 . . . qnn
Caractersticas da Matriz de Transicao:
1. Matriz quadrada
2. A soma dos elementos de uma linha e nula.
6-8
A relacao entre P (t) e A e:

1
[P (t) I]
t
A = lim
t0
(6.29)
As probabilidades de transicao para dois intervalos consecutivos h1 e h2

podem ser combinados formando uma u
nica probabilidade de transicao para
o intervalo h = h1 + h2 , de acordo com a seguinte expressao:
X
pij (h) =
pik (h1 ) pkj (h2 )
(6.30)
k
onde k percorre todos os estados do espaco de estados. A expressao anterior

e chamada de Equacao de Chapman - Kolmogorov e representa o produto
das matrizes P (h1 ) e P (h2 ).
As probabilidades nao condicionadas de estados de X(t) podem ser calculadas atraves de:
pi (t) = P [X(t) = i]
(6.31)
Se as probabilidades de estados sao conhecidas no instante t, as probabilidades em t + t podem ser calculadas atraves de:
X
pi (t + t) = pi (t) pii (t) +
pj (t) pji (t)
(6.32)
j6=i
onde:
pi (t + t) - Probabilidade de estar no estado i em t + t
pi (t) pii (t) - Probabilidade de permanecer no estado i
pj (t) pji (t) - Probabilidade de transitar de outro estado para o estado i
Colocando na forma matricial, tem-se:
p(t + t) = p(t) P (t)
(6.33)
onde os vetores linha:

p(t + t) = [p1 (t + t)
p(t) = [p1 (t)
p2 (t)
p2 (t + t)
...
. . . pn (t + t)]T
pn (t)]T
(6.34)
(6.35)
Utilizando-se as intensidade de transicao:

pi (t + t) = pi (t) (1 qii t) +
X
j6=i
pj (t) qji t
(6.36)
EE - COPPE/UFRJ
6-9
Manipulando-se, resulta:
X
pi (t + t) pi (t)
pj (t) qji
= pi (t)qii +
t
j6=i
(6.37)
Fazendo-se t 0:
pi =
X
dpi (t)
= pi (t)qii +
pj (t) qji
dt
j6=i
(6.38)
Matricialmente, tem-se:
p(t)
= p(t) A
(6.39)
onde p(t)
e p(t) sao vetores linha.

Essa equacao matricial pode ser resolvida como uma equacao diferencial
ordinaria, resultando:
p(t) = p(0) eAt
(6.40)
2
onde eAt = I + At + A2 t2! + . . . .

Em muitas aplicacoes, somente as probabilidades de longo prazo sao de
interesse, ou seja, os valores de pi (t) quando t , o que implica em
p(t)
0. Admitindo-se que tais probabilidades existam, o processo e dito

ergotico, e na verdade constitui-se na maioria dos processos com um n
umero
finito de estados. Nesses casos, pi (t) diminui a medida que t cresce, ate
estabilizar-se na chamada probabilidade de regime permanente.
O vetor de probabilidades de longo prazo p e calculado resolvendo:
pA=0
(6.41)
Como as linhas da matriz A somam zero, as n equacoes nao sao linearmente independentes, ou seja, a n-esima equacao e uma combinacao linear
das demais. Precisa-se de uma equacao independente adicional, que e dada
por:
n
X
pi = 1
(6.42)
i=1
[p1
p2
...
q11 q12
q21 q22
pn ]
...
...
qn1
qn2
...
...
...
...
q1n 1
q2n 1
= [0 . . . 0
...
qnn 1
1] (6.43)
6 - 10

1 - q 01 dt
1 - q 1 0 dt
q1 0 dt
q 01 dt
Figura 6.4: Processo de Markov a Dois Estados
6.2.1
Processo de Markov a Dois Estados
A Figura 6.4 ilustra um processo de Markov a dois estados, onde:

1. Estado X = 0: sistema operando
2. Estado X = 1: sistema falhado
As distribuicoes de probabilidade para os tempos de residencia nos dois
estados sao:
1. Tempo operando: T0 FT0 = 1 et
2. Tempo falhado: T1 FT1 = 1 et
onde
e a taxa de falha [ocorrencias/unidade de tempo]
e a taxa de reparo [ocorrencias/unidade de tempo]
O tempo medio (valor esperado) de residencia nos dois estados e dado
por:
1. Tempo medio operando:
m0 = E[T0 ] =
(6.44)
m1 = E[T1 ] =
(6.45)
2. Tempo medio falhado:
As probabilidades de transicao podem ser calculadas como:

P [X(t + t) = 1 | X(t) = 0)]
P [X(t + t) = 0 | X(t) = 1)]
P [X(t + t) = 0 | X(t) = 0)]
P [X(t + t) = 1 | X(t) = 1)]
=
=
=
=
p01 (t) = t
p10 (t) = t
p00 (t) = 1 t
p11 (t) = 1 t
(6.46)
(6.47)
(6.48)
(6.49)
EE - COPPE/UFRJ
6 - 11
As intensidades de transicao sao constantes, valendo q01 = , q10 = ,

q00 = e q11 = . Logo, o processo de Markov e homogeneo.
Para determinar as probabilidades de estado nao condicionadas p0 (t) e
p1 (t), faz-se:
1. Montagem da Matriz de Probabilidades de Transicao:
1 t
t
P (t) =
t
1 t
2. Montagem da Matriz de Intensidades de Transicao:

A=

(6.50)
(6.51)
= p(t) A
3. Montagem do Sistema de Equacoes Diferenciais: p(t)
p0 (t) = po (t) + p1 (t)
p1 (t) = po (t) p1 (t)
(6.52)
(6.53)
4. Calculo das Probabilidades Nao Condicionadas: solucao do sistema de

equacoes diferenciais na condicao inicial operativa p0 (0) = 1 e p1 (0) = 0
+
e(+)t
+ +
p1 (t) =
e(+)t
+ +
p0 (t) =
(6.54)
(6.55)
A Figura 6.5 mostra o grafico das probabilidades nao condicionadas.

5. Calculo das Probabilidades de Longo Prazo ou Estacionarias ou de
Regime Permanente (t ):
p0 =
(6.56)
+
(6.57)
p1 =
+
Essas equacoes podem ser re-escritas em funcao dos tempos medio
operando m0 e falhado m1 , como:
m0
p0 =
(6.58)
m0 + m1
p1 =
m1
m0 + m1
(6.59)
6 - 12
1
Probabilidades Estacionrias
p0
p1
Figura 6.5: Probabilidades Nao Condicionadas

Exemplo: Considere uma linha de transmissao com taxa de falhas =
0,2 ocorrencias/ano e tempo medio de reparo m1 = 1,25 horas. Calcule a
probabilidade da linha estar operando e em reparo.
1
= 0, 8/hora
1, 25
0, 2
= 2, 2831 10 5/hora
=
8760
0, 8
p0 =
= 0, 99997 = 99, 997%
0, 8 + 2, 2831 10 5
2, 2831 10 5
p1 =
= 0, 00003 = 0, 003%
0, 8 + 2, 2831 10 5
=
(6.60)
(6.61)
(6.62)
(6.63)
Refer
encias Bibliogr
aficas
[1] M. Th. Schilling, Introduc
ao `
a An
alise de Desempenho de Sistemas de Potencia,
Notas de Aula, UFF - IC / TEE, Maio 2001.
[2] A. Papoulis, Probability, Random Variables and Stochastic Processes, McGraw
Hill, New York, 1965.
[3] A. B. Clarke, R. L. Disney, Probability and Random Processes for Engineers and
Scientists, John Wiley & Sons Inc.
[4] E. Balagurusamy, Reliability Engineering, McGraw Hill, New York.
[5] R. Billinton e R. Allan, Reliability Evaluation of Engineering Systems: Concepts
and Techniques, Plenum Press, New York, Second Edition, 1992.
[6] R. Billinton e R. .Allan, Reliability Evaluation of Power Systems, Plenum Press,
New York, Second Edition, 1996.
[7] R. N. Allan, R. Billinton, M. F. Oliveira, An Efficient Algorithm for Deducing the
Minimal Cuts and Reliability Indices of a General Network Configuration, IEEE
Transactions on Reliability, Vol. R-25, No. 4, pp. 226-233, October 1976.
[8] C. C. B Camargo, Confiabilidade Aplicada `
a Sistemas de Potencia Eletrica, LTC
/ Eletrobras / FEESC, 1981.
[9] R. Billinton and R.N. Allan, Reliability Assessment of Large Electric Power Systems, Kluwer, Boston, 1988.
[10] R. Billinton and W. Li, Reliability Assessment of Electric Power Systems Using
Monte Carlo Methods, Plenum Press, New York, 1994.
[11] M.V.F. Pereira and N.J. Balu, Composite Generation / Transmission Reliability
Evaluation, Proceedings of the IEEE, vol. 80, no. 4, pp. 470-491, April 1992.
[12] A.C.G. Melo, M.V.F. Pereira, A.M. Leite da Silva, Frequency and Duration Calculations in Composite Generation and Transmission Reliability Evaluation, IEEE
Transactions on Power Systems, vol. 8, no. 1, Jan 1993.
[13] R. Billinton, A. Jonnavithula, Application of Sequential Monte Carlo Simulation
to Evaluation of Distributions of Composite System Indices, IEE Proceedings Generation, Transmission and Distribution, vol. 144, no. 2, pp. 87-90, March 1997.
[14] O. Bertoldi, L. Salvaderi, S. Scalcino, Monte Carlo Approach in Planning Studies:

An Application to IEEE RTS, IEEE Transactions, vol. 3, no. 3, August 1988.
[15] IEEE APM Subcommittee, IEEE Reliability Test System, IEEE Transactions on
Power Apparatus and Systems, Vol. PAS-98, pp. 2047-2054, Nov/Dec 1979.
[16] A.M. Leite da Silva, J. Endrenyi, L. Wang, Integrated Treatment of Adequacy
and Security in Bulk Power System Reliability Evaluations, IEEE Transactions on
Power Systems, Vol. 8, no. 1, pp. 275-285, Feb 1993.
[17] J.C.O. Mello, M.V.F. Pereira, A.M.L. Silva, Evaluation of Reliability Worth in
Composite Systems based on Pseudo-Sequential Monte Carlo Simulation, IEEE
Transactions on Power Systems, vol. 9, no. 3, pp. 1318-1326, August 1994.
[18] J. Endrenyi, Reliability Modeling in Electric Power Systems, John Wiley & Sons,
1978.
[19] C. Singh, R. Billinton, System Reliability Modeling and Evaluation, Hutchinson,
London, 1977.
[20] J.C.O. Mello, A.C.G. Melo, S. Romero, G.C.Oliveira, M. Morozowski, M.V.F.
Pereira, S.H.F. Cunha, R.N. Fontoura, Development of a Composite System Reliability Program for Large Scale Hydrothermal Power Systems - Issues and Solutions,
III PMAPS, London, 1991.
[21] A.C.G. Melo, M.V.F. Pereira, A.M.L. Silva, A Conditional Probability Approach to
Calculation of Frequency and Duration Indices in Composite Reliability Evaluation,
IEEE Transactions on Power Systems, vol. 8, no. 3, pp. 1118-1125, August 1993.
[22] J.C.O. Mello, Determinacao do Valor da Confiabilidade em Sistemas Compostos de
Geracao e Transmissao, Tese de Doutorado, PUC, Rio de Janeiro, 1994.
[23] A. Monticelli, Fluxo de Carga em Redes de Energia Eletrica, Ed. Edgard Blucher
Ltda, 1983.
[24] B. Stott, O. Alsac, A. Monticelli, Security Analysis and Optimization, Proceedings
of IEEE, Vol. 75, No. 12, pp. 1623-1644, December 1987.
[25] H.W. Dommel, W.F. Tinney, Optimum Power Flow Solutions, IEEE Transactions
on Power Apparatus and Systems, pp. 1866-1876, Oct 1968.
[26] S.P. Romero, J.C.O. Mello, M. Morozowski, S.Granville, B.G.Gorestin, Aplicacao
de um Novo Modelo de Otimizacao no Calculo de Medidas Corretivas em Estudos
de Planejamento, Anais do IX Congresso Brasileiro de Autom
atica, Vitoria, ES,
Brasil, 1992.
[27] J.C.O. Mello, A.C.G. Melo, B.G. Gorenstin, S. Granville, X. Vieira Filho, J.C.G.
Praca, M.V. F.Pereira, E.M.T. Nery, Power System Reliability Evaluation in a
Competitive Framework, Eletroevoluca
o, No. 8, pp.24-29, Maio 1997.
[28] L.R. Ford, D.R. Fulkerson, Flows in Networks, Princeton University Press, USA,
1982.
EE - COPPE/UFRJ
[29] Sistema Computacional NH2 para An

alise de Confiabilidade de Sistemas de
Gerac
ao/ Transmiss
ao de Grande Porte - Manual de Metodologia, Relatorio CEPEL no. DPP/POL-137/93, 1993.
[30] A.C.G. Melo, J.C.O. Mello, S.P. Romero, G.C. Oliveira, R.N. Fontoura F.,
Avaliacao Probabilstica do Desempenho do Sistema Interligado Brasileiro, Anais
do IV Simp
osio de Especialistas em Planejamento da Operac
ao e Expans
ao Eletrica,
1994.
Task Force 38-03-10, Power System Reliability Analysis - Volume 2 - Com[31] CIGRE
posite Power Reliability Evaluation, 1992.
[32] M.V.F. Pereira, L.M.V.G. Pinto, A New Computational Tool for Composite Reliability Evaluation, IEEE Transactions on Power Systems, vol. 7, no. 1, February
1992.
[33] J.C.O. Mello, A.M.L. Silva, M.V.F. Pereira, Efficient Loss-of-Load Cost Evaluation
by Combined Pseudo-Sequential and State Transition Simulation, IEE Proceedings
- Generation, Transmission and Distribution, vol. 144, no. 2, pp. 147-154, March
1997.
[34] A.M. Leite da Silva, A.C.G. Melo, S.H.F. Cunha, Frequency and Duration Method
for Reliability Evaluation of Large-Scale Hydrothermal Generating Systems, IEE
Proceedings - C, vol. 138, no. 1, Jan 1991.
[35] A.M. Leite da Silva, J. Coelho, A.C.G. Melo, Uncertainty Considerations in Frequency and Duration Analysis for Large Hydrothermal Generating Systems, IEE
Proceedings - C, vol. 139, no. 3, May 1992.
ESTABILIDAD DE TENSION
-Introduccin
-Bases matemticas del anlisis
-Mtodos de anlisis
-Indices y mrgenes
-Medidas correctivas
INTRODUCCION
Descripcin de casos reales de colapso de tensin
1 Francia,Diciembre 1978
Un descenso de temperatura no previsto provoca un importante
incremento de carga (4600 MW en 1 hora) principalmente en la zona
de Pars,que sobrecarga todo el sistema de 400 kV debido a la
necesidad de traer potencia desde zonas alejadas del Este del pas, y
provoca tensiones bajas en toda la red.
Se intenta solucionar el problema bloqueando los automatismos de los
reguladores bajo carga de transformadores de primario 400 kV,que
habitualmente mantienen la tensin en valores constantes en la red de
230 kV
No se consigue controlar totalmente el descenso de tensin,y comienzan
a operar protecciones de sobrecarga en diversas lneas del sistema.
El resultado final es la salida de servicio de buena parte de la red ,el
funcionamiento en isla de los subsistemas que sobreviven y el peor
apagn de Francia en la postguerra.
El fenmeno total se desarrolla durante algo ms de una hora,y un
intento desafortunado de reenergizacin (trayendo potencia esta vez
desde el Oeste del pas) provoca un segundo gran colapso.
2 Bretaa (Francia),Enero 1987
Se produce la falla intempestiva de tres unidades generadoras en la
central de Cordennais.Trece segundos despus el ltimo generador de
la central sale de servicio a causa del excesivo calentamiento del rotor
provocado por el intento de mantener el suministro de potencia
reactiva a la red.Esta ltima falta inicia un fenmeno de colapso de
tensiones en la zona.
Dado que la frecuencia no vari significativamente (a causa,
seguramente, de que el balance de potencia activa se mantuvo,pero a
costa de transportar potencia desde generadores lejanos hasta la zona
en falta),no actuaron los rels de desenganche de carga por
subfrecuencia.
El colapso se controla varios minutos despus a costa del desenganche
manual de cargas.
3 Suecia,Diciembre 1983
El problema se inicia con una falta en una estacin 400/220 kV que
alimenta la zona de Estocolmo,y que arrastra la salida de servicio de
2 de las 7 lneas 400 kV que alimentan Estocolmo desde las centrales
hidrulicas del Norte.
Las 5 lneas de 400 kV restantes se sobrecargan,pero el sistema
sobrevive hasta que los automatismos de los cambiadores bajo carga
de los transformadores en la zona de Estocolmo comienzan a tratar de
restituir la tensin en las cargas.Esto provoca un aumento en la
potencia de carga que esta vez no es soportado por las lneas de 400
kV,que son disparadas por rels de sobrecarga o rels de distancia
(que ven el aumento de corriente y disminucin de tensin como si
fueran cortocircuitos en las lneas).La zona de Estocolmo queda
aislada,y el dficit de generacin no puede ser resuelto por los
esquemas de desenganche de carga por subfrecuencia,provocndose un
apagn total en esa zona por algo as como 1 hora.
La duracin total desde la falta inicial hasta el colapso es del orden de
1 minuto.
4 Japn,Julio 1987
Se produce un aumento de demanda muy por encima de lo previsto en
un da inusualmente caluroso.
Pese a que se entran en servicio todos los bancos de condensadores
disponibles,la tensin comienza a decrecer,y en aproximadamente 10
minutos (con tensiones del orden de 0.75 p.u) la actuacin de rels
(probablemente rels de distancia,por un motivo similar al explicado
en el caso sueco) provoca la salida de servicio de 3 estaciones 500 kV,y
un apagn importante en la zona de Tokyo.
Se cree que la caracterstica potencia-tensin de la carga (aparatos de
aire acondicionado,con caracterstica de potencia casi constante) fue
un factor decisivo en el colapso.
Principales factores que influencian el colapso de tensin

-Carga excesiva en el sistema
-Balance de potencia reactiva (demanda excesiva,cada de reactiva
excesiva en lneas de transporte,generacin insuficiente)
-Variacin de la carga con la tensin.Observar que la ley de variacin
de la carga con la tensin puede cambiar con el tiempo (ej:motores de
induccin que se frenan por baja tensin)
-Accin de cambiadores de tomas bajo carga de los transformadores
(si restituyen la tensin del lado de la carga,pueden contribuir a
aumentar la carga,de acuerdo con la ley de variacin potencia-tensin)
y otros controles lentos (termostatos,rels de calentamiento,etc.) en
perodos de baja tensin.
-Desempeo de equipos de compensacin de reactiva (condensadores,
compensadores sncronos, etc.) cuando la tensin baja en el sistema.
Ejemplo introductorio :Lnea radial,sin prdidas

a)Carga con potencia independiente de la tensin
Supuesta la lnea sin prdidas:
-PR =ES.VR.BLN .sen (
)
QR =ES.VR.BLN .cos (
) -VR2.BLN
BLN =1/XLN
=Angulo de VR respecto de ES
Suponiendo QR =k.PR , con k=tg
carga),y eliminando :
(cos =factor de potencia de la
PR2 + (k.PR +VR2.BLN )2 = (ES.BLN)2.VR2

Dado ES:
-Para cada PR existen dos soluciones para VR o
-Existe un valor mximo de PR para el cul hay una sla solucin para
VR o
-Por encima de ese valor mximo de PR (que es funcin del factor de

potencia de la carga) no hay solucin para VR (el sistema de potencia
"pierde" su punto de equilibrio:colapso de tensin)
Si se aumenta PR por encima del mximo ,para saber qu ocurre con la
tensin es necesario resolver el sistema algebraico-diferencial de
ecuaciones que modelan el sistema de potencia
Si se agrega junto a la carga un banco de condensadores de admitancia
B':
PR2 + (k.PR +VR2.(BLN -B'))2 = (ES.BLN)2.VR2
El banco de condensadores "retarda" el colapso de tensin,pero no lo
evita.
b) Carga de impedancia constante

-VR2/RLD =ES.VR.BLN .sen (
)
k. VR2/RLD =ES.VR.BLN .cos (
) -VR2.BLN
Eliminando :
VR .K'=ES.(BLN)
K'=(1/RLD2+ (k/RLD+BLN)2)1/2
Dado ES:
-Para cada PR existen una nica solucin para VR
-Existe un valor mximo de PR (que es funcin del factor de potencia de
la carga) que se puede transportar a la carga,pero no se produce el
colapso de tensin.
-Si se desea funcionar con valores de RLD por debajo del
correspondiente al PR mximo pueden aparecer inestabilidades
vinculadas al control (p.ej:en esa zona la potencia disminuye si se
aumenta la carga)
Definicin de estabilidad de tensin

Un sistema de potencia est funcionando en un estado de equilibrio
estable desde el punto de vista de la tensin cuando:
-Las tensiones en todas las barras estn dentro de un rango aceptable
-Si se produce una perturbacin en el sistema,ste es capaz de retornar
en un tiempo aceptable a un estado de equilibrio (igual o distinto al
anterior) en que las tensiones en todas las barras estn dentro de un
rango aceptable.
Clasificacin de casos posibles:
-Perturbaciones rpidas (faltas,salida de generacin,etc.):
- Anlisis conjunto con el anlisis de estabilidad transitoria
(simulacin en el tiempo para resolver el sistema de ecuaciones
algebraico-diferenciales que modela al sistema de potencia)
-Perturbaciones lentas(variacin de carga)
-Mtodos estticos (resolucin del sistema de ecuaciones algebraicas
que modelan el sistema de potencia en rgimen)
-Mtodos dinmicos: tiempos de simulacin que pueden ser ms
largos que los de la estabilidad transitoria (minutos)
Necesidad de
incorporar dinmicas "lentas":cambiadores de tomas bajo
carga,controles termostticos,controles de calentamiento de
generadores,etc.
BASES MATEMATICAS DEL ANALISIS DE LA ESTABILIDAD

DE TENSION (PERTURBACIONES LENTAS)
Modelo del sistema de potencia:
dx/dt=f(x,y,
) (mquinas y sus sistemas de control,etc.)
g(x,y,
)=0
(red de trasmisin)
x:Variables de estado (ngulos y velocidades de los rotores de las

mquinas respecto a una de referencia,variables de estado de los
sistemas de control)
y:Variables de ligadura (tensiones en mdulo , ngulo de todas las
barras reales,variables de ligadura de los sistemas de control)
:Parmetro (parmetro de variacin de carga)
(Observar que no depende del tiempo:se supone de variacin lenta,y
el sistema se analiza en forma cuasiesttica)
Si Jyg 0 se puede despejar y de las ecuaciones algebraicas
(teorema de la funcin implcita) y el sistema se reduce a
dx/dt=h(x,
)
Bifurcaciones de sistemas dinmicos
dx/dt=h(x,
)
(h diferenciable,con derivadas parciales continuas)
A medida que vara (con continuidad) van cambiando los puntos de

equilibrio y las trayectorias del sistema.
Se dice que el sistema es localmente estructuralmente estable para un
valor del parmetro * si existe un entorno de * tal que para cada
en ese entorno :
a) El nmero de puntos de equilibrio asociados a * y es el mismo
b) Es posible encontrar entornos de los correspondientes puntos de
equilibrio x* y x en que se establezca una familia (paramtrica en el
tiempo) de relaciones continuas 1 a 1 que conserve el sentido del
tiempo y que haga corresponder:
10
-A cada punto de equilibrio x* asociado a * un punto de equilibrio x

asociado a
-A cada trayectoria del sistema asociado a *en un entorno de x* una
trayectoria del sistema asociada a en un entorno de x
Observacin:Se pretende que se mantenga el "tipo" de estabilidad
segn Lyapunov en un entorno de * (trayectorias convergentes a x* se
"mantienen" convergentes a x en el entorno,etc.),independientemente
de que x* sea estable o inestable segn Lyapunov.
Si para un valor del parmetro el sistema no es estructuralmente
estable en torno a un punto de equilibrio,se dice que ste es una
bifurcacin del sistema dinmico.
A)Sistemas Lineales
dx/dt=A(
).x
en
R ,x Rn , A n x n diferenciable con continuidad
- x=0 es el nico punto de equilibrio sii A es invertible

-Para un =
0 dado sea m el nmero de autovalores de parte real
positiva (clase de la matriz) y n-m el nmero de autovalores de
parte real negativa supuestos todos distintos. (Suponemos que no hay
autovalores de parte real nula;en particular A(
0) es invertible.El
punto x=0 se denomina en tal caso hiperblico.Suponemos tambin que
es posible formar una base de autovectores),
-Las soluciones del sistema son de la forma x=
cj vj ej t (
j autovalor ,
vj vector propio asociado) existe un subespacio de dimensin m
inestable (las trayectorias que comienzan en un punto del subespacio
cerca del origen divergen de l) y un subespacio complementario de
dimensin n-m estable ((las trayectorias que comienzan en un punto
del subespacio cerca del origen convergen a l).
Por continuidad esta situacin se mantendr en un entorno de 0 en
0 el sistema es estructuralmente estable
-Por lo tanto:para los sistemas lineales las bifurcaciones se deben
buscar para los valores del parmetro en que la matriz tiene
autovalores de parte real nula (el punto de equilibrio se dice no
hiperblico)
11
B)Sistemas No Lineales
dx/dt=h(x,
)
continuas.
R ,h : Rn x R Rn con derivadas parciales
Se prueba (Teorema de Hartmann- Grobman) que para que un punto

de equilibrio (x0,
0) sea de bifurcacin es necesario que sea no
hiperblico para el jacobiano hx(x,
) calculado en (x0,
0) .
Tipos de bifurcacin
-Bifurcacin silla-nodo:Cuando el jacobiano tiene un autovalor igual a
cero
-Bifurcacin de Hopf:Cuando el jacobiano tiene un autovalor no nulo
de parte real cero
(Esta clasificacin es vlida bajo ciertas condiciones que en los sistemas
reales se cumplen casi siempre (condiciones de genericidad))
Bifurcaciones silla-nodo
Modelo clsico: dx/dt= -x2 -
, x,
R (Forma normal de la
bifurcacin silla-nodo)
-Los puntos de equilibrio describen la parbola x2 =-
,en que la rama
superior es de puntos de equilibrio estables (segn Lyapunov) y la
inferior de puntos de equilibrio inestables (diagrama de bifurcacin
en el plano (x,
)).
-El origen es un punto de bifurcacin silla-nodo,y respecto a ese punto
el comportamiento del sistema es:
-con 2 puntos de equilibrio ,uno estable y el otro inestable,si <0
-sin puntos de equilibrio si >0.(Se puede verificar que, en este caso,la
solucin x(t) de la ecuacin diferencial es decreciente.P.ej:si x(0)=0 la
solucin es x(t)=- .tan( .t ) )
-Observar la similitud con los diagramas V-P del sencillo ejemplo de la
lnea radial
12
Bajo ciertas condiciones (condiciones de genericidad,que se cumplen

habitualmente en los sistemas reales) el comportamiento visto de la
forma normal es tpico de los sistemas no lineales dx/dt=f (x, )
multidimensionales (x
Rn) que dependen de un parmetro (
R),y en
que el jacobiano se anula para un cierto (x0,
0) ,con x0 de equilibrio:
dos puntos de equilibrio que se funden en (x0,
0) y luego
desaparecen.
[Teorema de Sotomayor:
Sea el sistema dx/dt=h(x,
) con x
Rn , R,h
C, y un punto de
equilibrio x0 para el valor 0 del parmetro ( o sea: h(x0,
0)=0) que
cumple:
a) J=Dx h(x0,
0) tiene un autovalor cero simple,con autovectores
correspondientes v (derecho) y w (izquierdo) (recordar que un
autovector izquierdo es,por definicin, un autovector de la matriz
adjunta),y no tiene ms autovalores con parte real nula.
Sea k la clase de J ( o sea:J tiene n-k-1 autovectores con parte real
negativa,y k autovectores con parte real positiva)
b) wT.h (x0,
0) 0 (en que,si w es un vector columna,wT es un vector
fila)
wT .D2 h(x0,
0) (v,v) 0 (en que D2 h (v,v)=
i,j (
2h/ xi xj ).vi .vj )
(Estas 2 condiciones se denominan de genericidad:en un sistema real
sera mucha casualidad que estos trminos fueran nulos).
En estas condiciones:
1) Existe una curva diferenciable de puntos de equilibrio del sistema en
Rn x R ( o sea:en el plano (x,
)), que pasa por (x0,
0) y es tangente
n
al hiperplano R x 0. (el equivalente a la parbola de puntos de
equilibrio del ejemplo visto)
2) No hay puntos de equilibrio cerca de x0 de un lado de 0 (
<
0 o
>
0,segn el signo de las expresiones no nulas de la hiptesis b)),y hay
2 puntos cerca de x0 del otro lado.Estos 2 puntos de equilibrio son
hiperblicos, y tales que las clases de sus sistemas asociados (o sea:el
13
nmero de los autovectores de sus jacobianos de parte real positiva)

son k y k-1 respectivamente.]
Observacin:En forma anloga,se pueden imponer condiciones fciles
de cumplir por los sistemas reales,de forma de caracterizar el
comportamiento de una clase muy amplia de sistemas dependientes de
un parmetro que sufren bifurcaciones provocadas por la anulacin de
la parte real de un par de autovalores conjugados (bifurcacin de
Hopf).Se deduce que,en cierto sentido, las bifurcaciones silla-nodo y de
Hopf son las nicas que pueden sufrir los sistemas dependientes de
un parmetro escalar.
Relacin entre el colapso de tensiones y la bifurcacin silla-nodo
La moderna teora de la estabilidad de tensin asocia el fenmeno del
colapso de tensin a la aparicin de una bifurcacin silla-nodo en el
sistema de ecuaciones diferenciales algebraicas que modela un sistema
de potencia con un parmetro de carga variable.
Esta asociacin es puramente heurstica,y se basa en que los incidentes
ocurridos de colapso de tensin se caracterizan por la desaparicin del
punto de equilibrio , y una declinacin posterior montona (a
diferencia de la bifurcacin de Hopf,que se evidencia por tener modos
oscilatorios) e inicialmente lenta de algunas de las tensiones de barra.
Todas estas propiedades son tpicas de los sistemas que sufren una
bifurcacin silla nodo,
Esta asociacin,por lo tanto,sugiere la necesidad de calcular los puntos
de anulacin del jacobiano del sistema a efectos de detectar el punto de
colapso.
14
METODOS DE ANALISIS DE LA ESTABILIDAD DE TENSION

Tipos de mtodos
A) Dinmicos:
-Resolucin numrica del sistema de ecuaciones diferenciales
.Vlidos tanto para perturbaciones rpidas como lentas
-Perodos de estudio ms largos que los de Estabilidad Transitoria
(perturbaciones lentas)
-Incorporacin de modelos de dinmica lenta:conmutadores bajo
carga,cargas,etc.(perturbaciones lentas)
-Ventajas:ms precisos (simulacin post-mortem de incidentes
reales)
B) Estticos
-Resolucin de sistemas de ecuaciones algebraicas para encontrar
la bifurcacin silla-nodo.
-Vlidos para perturbaciones lentas
-Ventajas:ms rpidos (aplicaciones on-line),clculo rpido de
mrgenes de estabilidad,deteccin de barras ms comprometidas
Mtodos estticos
Formulacin general:
Nuestro modelo de sistema de potencia es el conjunto de ecuaciones
diferenciales y algebraicas:
dx/dt=f(x,y,
)
0 = g(x,y,
)
con x
Rm,y
Rn,
R, f:Rn+m+1Rm , g:Rn+m+1Rn
Bajo la hiptesis de gy no singular,eliminando las variables de
ligadura se obtiene la ecuacin de estado dx/dt=h(x,
),con h:Rm+1Rm
El colapso de tensin se identifica con el estado en que el Jacobiano
H=hx(x,
) de este sistema se hace singular,por lo que los mtodos
estticos consisten en resolver det(H)=0 para un (x,
) tal que h(x,
)=0.
Una dificultad de aplicacin prctica es realizar la eliminacin de las
variables de ligadura,por lo que en la prctica se trabaja de la
siguiente forma:
15
Sea J=(f,g)x,y(x,y,
) el jacobiano del sistema de ecuaciones original
f(x,y,
)=0
g(x,y,
)=0
Si ponemos J como una matriz de bloques J=[[fx fy
gx gy ]
el teorema de la funcin implcita nos dice que los bloques de J y H se
relacionan por medio de la expresin:
H= fx- fy. gy-1. gx
Multipliquemos a la izquierda la fila inferior de J , M=[[ gx gy ] por
fy.gy-1 y restemos el resultado de la fila superior L=[[ fx fy ].
Obtenemos la fila [ fx- fy. gy-1.gx 0]],por lo que la matriz
K=[[ fx- fy. gy-1.gx 0
gx
gy ]
se obtiene de restar de cada fila de L una combinacin lineal de filas de
M.
Se deduce que det K=det J (frmula de Schur)
det J= det H.det gy
Como estamos suponiendo det gy 0 ( y adems acotado,lo cul
siempre se cumple en los sistemas de potencia reales),resulta det J=0
det H=0,por lo que no es necesario realizar la eliminacin de las
variables de ligadura y para encontrar las bifurcaciones sillanodo:basta con buscar las singularidades del jacobiano J del sistema
diferencial-algebraico completo
Relacin con la convergencia del flujo de cargas
Si se simplifican las ecuaciones de oscilacin de la mquina y de sus
reguladores (ganancia infinita de los reguladores de tensin y
velocidad,se desprecian las amortiguaciones proporcionales a la
velocidad angular,etc), las barras de generacin pasan a
ser,simplemente,nodos en que se inyecta al sistema una potencia activa
constante a tensin constante (barras PV),y las ecuaciones de
equilibrio del sistema no son ms que las ecuaciones del flujo de cargas
clsico:
x:ngulos de la tensin en las barras de generacin,referidos a la barra
slack
y:mdulos de tensiones en todas las barras y ngulos de la tensin de
barras de carga (barras PQ) referidos a la barra slack.
:parmetro que describe la variacin de cargas
f(x,y,
)=0 :ecuaciones de equilibrio de potencia activa en las barras PV
g(x,y,
)=0:ecuaciones de equilibrio de potencia activa y reactiva en las
barras PQ
16
Cuando el sistema llega al colapso (al ir aumentando la carga en las

barras seleccionadas),el flujo de cargas deja de tener solucin (de
acuerdo al comportamiento de la bifurcacin silla-nodo).Por lo
tanto:es posible calcular aproximadamente el estado de colapso
corriendo flujos de cargas sucesivos al ir variando el parmetro, hasta
que el flujo deja de tener solucin.
(La deteccin del colapso de esta forma es computacionalmente costosa
y aproximada,dado que,precisamente,los flujos de carga habitualmente
necesitan que el jacobiano del sistema sea invertible para poder buscar
la solucin por Newton Raphson.Por lo tanto:los programas de flujos
de carga comerciales dejan de converger un poco antes del estado de
colapso,a causa de que el jacobiano del sistema se hace casi
singular.)
Mtodo del punto de colapso
Se resuelve en (x,y,
) el siguiente sistema de ecuaciones:
f(x,y,
)=0
g(x,y,
)=0
J(x,y,
)v=0 , v =1 (v es vector propio de J en el punto de
bifurcacin)
Este sistema se puede resolver por mtodos clsicos (NewtonRaphson,p.ej)
Desventajas de este mtodo:no se puede tener en cuenta en forma
sencilla los lmites a los que pueden llegar algunos elementos del
sistema (lmites de generacin de reactiva de mquinas,lmites de
conmutadores bajo carga que regulan tensin automticamente,etc.) al
aumentar el parmetro (observar que al llegar a uno de esos lmites
el sistema de ecuaciones f=0,g=0 cambia:si se trata de un lmite de
generacin de reactiva,p.ej, la barra PV de la mquina cambia por
barra PQ )
Mtodo de continuacin
A fin de tener en cuenta la restriccin anterior,el mtodo de
continuacin va resolviendo paso a paso la ecuacin de puntos de
equilibrio f=0,g=0 a medida que el parmetro va aumentando en
steps discretos.En cada paso,se verifica si no se han violado
17
lmites,reformulando el sistema de ecuaciones de ser necesario,a

efectos de seguir avanzando (se dice que se va recorriendo la curva PV paso a paso).
El mtodo se describe grficamente en la figura.
18
19
INDICES Y MARGENES DE ESTABILIDAD DE TENSION

Introduccin
-Se pretende dar una idea cuantitativa de qu tan lejos est el
sistema de sufrir un colapso de tensin
-La magnitud de la tensin en las barras del sistema no es un buen
indicador:la tensin se puede mantener bastante bien hasta muy
cerca del colapso (hay una muy alta alinealidad entre las tensiones y el
aumento de carga cerca del colapso)
-Se habla de ndices cuando el indicador es un parmetro matemtico
sin una clara interpretacin fsica (p.ej:el mdulo de un valor propio)
y de mrgenes si el indicador es una magnitud fsica (p.ej:cantidad de
potencia activa)
Diversos ndices y mrgenes
Indices y mrgenes derivados de las curvas P-V
A)Aumento de potencia total (activa,reactiva o aparente) en todo el
sistema a partir de un punto de operacin para llegar al colapso.Puede
visualizarse como la distancia horizontal entre el punto de operacin y
el de bifurcacin en la curva P-V.
El margen depende de la forma en que se carga el sistema (el sistema
de ecuaciones,y por lo tanto la curva P-V cambia segn cules sean
las barras en que se supone que aumenta la carga,el porcentaje de
aumento en cada barra,proporcin entre carga activa y reactiva,etc.)
Existen mtodos que permiten detectar los peores casos de aumento
de carga, de forma que el margen sea mnimo (Ref:Computation of
closest bifurcation in power systems;Alvarado,Dobson,Lu,IEEE
Transactions on Power Systems,Mayo 1994)
B)Dado que en la bifurcacin silla-nodo el parmetro se hace
mximo,las derivadas dx/d
de los puntos de equilibrio respecto del
parmetro se hacen infinitas en ese punto (la nariz de la curva P-V).
Esto sugiere definir el ndice VSF= maxk (dVk /d
) (el mximo se
toma sobre todas las barras k)
20
Mtodo de las curvas Q-V

C)Asumiendo que los problemas de baja tensin en el sistema surgen
como consecuencia de falta de reactiva ,se suele definir el margen de
reactiva en cada barra a partir del trazado de las curvas Q-V:
-Se toma una por una las barras del sistema,y se corren sucesivos flujos
de carga,haciendo variar progresivamente la reactiva generada en la
barra.
-Si se grafica la correspondiente curva Q-V de cada barra (ver figura)
,el mnimo de la curva corresponde al punto de colapso de tensin.
-La ordenada de la potencia reactiva en el mnimo (cambiada de signo)
es el margen de reactiva de la barra.
-El menor margen de reactiva entre todas las barras del sistema puede
tomarse como el margen al colapso de todo el sistema
Observaciones
-El mtodo de las curvas Q-V puede verse como un caso particular del
trazado de las curvas P-V,en que el parmetro de carga es la
variacin de reactiva en una nica carga del sistema.
-Existen regulaciones (en USA,p.ej) que especifican los mrgenes al
colapso de tensin (5 % ,p.ej) en funcin de este mtodo.
-Las curvas Q-V se suelen obtener corriendo flujos de carga
sucesivos.Al acercarse al colapso,para evitar el problema de que los
flujos de carga dejan de converger por problemas numricos,se usa el
siguiente mtodo:
-se introduce en la barra PQ en la que se est variando la reactiva un
generador ficticio,que genera o consume exclusivamente reactiva (la
barra PQ se transforma en barra PV)
-los sucesivos puntos Q-V se obtienen haciendo variar la consigna de
tensin en esa barra P-V.
(Este intercambio entre la variable de estado V y el parmetro Q hace
que el jacobiano del mtodo de Newton-Raphson que utiliza el flujo de
cargas no se anule en el punto de colapso)
Otros ndices
D) Valor propio mnimo del jacobiano
21
Dado que el jacobiano del sistema es singular en el punto de

colapso,una forma de detectar cuando estamos cerca del colapso es
verificar qu tan cerca estn los valores propios del jacobiano de
hacerse nulos.
El mdulo del valor propio ms pequeo en mdulo puede tomarse,por
lo tanto,como ndice de estabilidad.
Dado que nada asegura que el valor propio ms pequeo sea siempre
el mismo cerca de la bifurcacin, es habitualrastrear
simultneamente un conjunto de valores propios ms pequeos,en vez
de slo uno.
22
23
MEDIDAS CORRECTIVAS
Sntesis de las principales medidas correctivas
-Conexin de equipos de generacin de reactiva (condensadores,
compensadores estticos, etc.).La velocidad conque se conectan estos
equipos puede ser importante para definir si la medida es o no efectiva.
Es ms efectivo conectar equipos cuya produccin de reactiva no
depende de la tensin (compensadores sncronos,compensadores
estticos en su rango de regulacin continua).
-Bloqueo de conmutadores bajo carga de transformadores,para evitar
que restituyan la carga antes que se mejore la tensin del lado de alta
de los transformadores.
-Despeje de carga (load shedding) por medio de rels de subtensin.
-Ajuste de las consignas de tensin de barras de generacin y otras
barras controladas
Cuantificacin de medidas correctivas en base a curvas QV
-A efectos de verificar el efecto sobre el margen de reactiva de una
barra de una fuente de reactiva determinada (que no necesariamente
ser de potencia independiente de la tensin) es necesario superponer
la curva Q-V de la fuente supuesta con la curva Q-V de la barra (ver
figura)
Cantidades de reactiva rpida y lenta
Es posible hacer una estimacin aproximada de las cantidades de
reactiva rpida (la generada por compensadores estticos o
sincrnicos,o por conexin rpida de bancos de condensadores) y
lenta (conexin temporizada de bancos de condensadores)
necesarias.Para ello,se trazan las curvas QV en las condiciones de red
inmediatamente luego de la perturbacin (con todos los controles
congelados en el estado de pre-perturbacin) y en las condiciones
que se dan luego de transcurridos unos segundos luego de la
perturbacin (tpicamente:dejando actuar los conmutadores de tensin
de los transformadores).La curva QV instantnea suele mostrar
mayores mrgenes que la curva lenta,por lo que la diferencia de
reactiva necesaria puede ser suministrada por medio de reactiva
lenta (Ver figura )
24
25
Teoras ms generales de optimizacin de medidas correctivas

Ver Artculo de Alvarado,Dobson y Lu citado anteriormente.
26

Confiabilida y Estabilidad

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Confiabilida y Estabilidad

Hochgeladen von

Copyright:

Verfügbare Formate

Confiabilidade de Sistemas de

3.6.2 Funcao Distribuicao de Probabilidade

Confiabilidade de Sistemas de Potencia

Mais recentemente, mudancas institucionais no setor eletrico, tais como

transmissao sao ignoradas. A determinacao dos ndices se da atraves de

A confiabilidade de sistemas de potencia pode ser determinada em relacao

Confiabilidade de Sistemas de Potencia

Confiabilidade de Sistemas de Potencia

servico de novas obras, a frequencia de ocorrencia de eventos de falha, etc.

Figura 2.1: Redundancia: Stand-by e Paralelo

Figura 2.2: Curva de Custo da Confiabilidade

A avaliacao do desempenho de sistemas de potencia, medido atraves de

Confiabilidade de Sistemas de Potencia

Via series temporais

Confiabilidade de Sistemas de Potencia

Figura 2.3: Deficiencia de suprimento de energia e potencia

Figura 2.4: Curvas de Suprimento Realizado e Demanda

Figura 2.5: Falhas de Componentes e Efeitos no Sistema

Confiabilidade de Sistemas de Potencia

Figura 2.6: Nveis Hierarquicos de Estudos de Confiabilidade

Etapas de um Estudo de Confiabilidade

As principais etapas envolvidas em um estudo de confiabilidade sao:

Figura 2.7: Etapas de um Estudo de Confiabilidade

Estabelecimento dos Objetivos e Formula

Essas definicoes sao dependentes, basicamente, das informacoes requeridas

Confiabilidade de Sistemas de Potencia

objetivo comum e a escolha de uma dentre varias alternativas tecnicamente

Esta etapa compreende a determinacao do modelo de desempenho do sistema,

Disponibilidade de informacoes para definir a relevancia de cada tipo

Esta etapa compreende a coleta e, eventualmente, o tratamento estatstico

Confiabilidade de Sistemas de Potencia

Nesta etapa, sao calculados os ndices de confiabilidade a cada alternativa,

Modelos de Desempenho do Sistema

Confiabilidade de Sistemas de Potencia

Figura 2.8: Modelo Matematico de um Estudo de Confiabilidade

chaveamento de geradores (automatica ou por sobrefrequencia)

As principais fontes de incerteza no calculo dos ndices de confiabilidade sao:

Confiabilidade de Sistemas de Potencia

2. Processos Estocaticos (1960 - desenvolvimento): Processo de Markov

O objetivo do planejamento de sistemas de potencia e determinar uma sequencia

Nao se considera riscos ou incertezas. Os criterios mais usuais sao:

Dificuldade de comparar alternativas com custos proximos (necessario

Tabela 2.1: Disponibilidade dos Componentes

Tabela 2.2: Probabilidades dos Estados

Confiabilidade de Sistemas de Potencia

Considera aleatoriedade de eventos de falha, suas probabilidades de ocorrencia

Tabela 2.3: Graus de Severidade

Tabela 2.4: Riscos de Contingencias - Brasil

Confiabilidade de Sistemas de Potencia

Tabela 2.5: Riscos de Contingencias - EUA (BPA)

Implica na traducao das deficiencias de atendimento em termos economicos.

Tabela 2.6: Custos de Interrupcao [US$/KWh] - Brasil Dez/90

Confiabilidade de Sistemas de Potencia

3. Planejamento da Operacao Eletrica

Eventos sao resultados de experimentos repetidos varias vezes. O conjunto

Confiabilidade de Sistemas de Potencia

Probabilidade e uma funcao real associada aos eventos que representa a

3. Eventos disjuntos: P [Ea Eb ] = P [Ea ] + P [Eb ]

Considere, agora, que as 2 urnas tem 2 bolas brancas e 1 bola preta. O

A probabilidade de A condicionada a B1 Bn , sendo Bi mutuamente

Resumo das Principais Combinaco

Confiabilidade de Sistemas de Potencia

Variavel Aleatoria e uma funcao que atribui a cada resultado do espaco

Figura 3.1: Variavel Aleatoria