PPGEE/CCET

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: EMANOEL JOSE SAMPAIO DO NASCIMENTO
DATA: 25/09/2026
HORA: 14:00
LOCAL: Instituto de Energia Elétrica/UFMA
TÍTULO: Parametrização em Larga Escala de Curvas Volt-Var e Volt-Watt de Inversores Inteligentes em Redes de Baixa Tensão: Classificação por Sensibilidade de Tensão e Otimização por Aprendizado por Reforço Profundo
PALAVRAS-CHAVES: inversores inteligentes; Volt-Var; Volt-Watt; aprendizado por reforço profundo; regressão por vetores de suporte; predição conformal; equidade; redes de baixa tensão.
PÁGINAS: 119
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
SUBÁREA: Sistemas Elétricos de Potência
RESUMO: A expansão acelerada da geração fotovoltaica distribuída submete as redes de baixa tensão a violações dos limites regulatórios de tensão. Na escala de uma concessionária de energia elétrica com dezenas de milhares de redes, a mitigação desse problema permanece sem solução praticável: a literatura de aprendizado por reforço concentra-se no despacho de potência em tempo real, dependente de infraestrutura de comunicação inexistente nas redes de baixa tensão brasileiras, enquanto a parametrização das curvas autônomas Volt-Var Q(U) e Volt-Watt P(U) previstas na norma IEEE 1547-2018 — o único modo de controle previsto em norma que dispensa infraestrutura de comunicação — carece de métodos escaláveis. Esta tese preenche essa lacuna com uma metodologia em duas etapas, inédita na articulação entre classificação por sensibilidade de tensão e otimização por aprendizado por reforço profundo, validada de ponta a ponta sobre dados reais da Base de Dados Geográfica da Distribuidora. A primeira etapa reduz 71.440 redes de baixa tensão a 18 classes fisicamente homogêneas, definidas como faixas do coeficiente de sensibilidade de tensão à geração fotovoltaica, com desvio logarítmico interno limitado a θ = 0,35. Nessa etapa, 91,5% das sensibilidades são medidas diretamente, por simulação de fluxo de potência de cada rede; para as redes restantes, a sensibilidade é estimada por um regressor por vetores de suporte, cuja incerteza é quantificada por predição conformal (cobertura empírica de 80,2% contra 80% nominal). A segunda etapa otimiza, para cada classe, os seis parâmetros de tensão das curvas por meio de um agente de otimização por política proximal com recompensa multidimensional, que integra a conformidade com os limites regulatórios brasileiros de tensão, o aproveitamento energético e a equidade na distribuição do corte de geração entre prosumidores. O resultado são 17 curvas validadas, cobrindo 94,3% das redes da concessionária. As curvas otimizadas eliminam 81,3% das violações de tensão registradas com a configuração padrão da norma IEEE 1547-2018, ao custo de 2,9 pontos percentuais de energia adicional cortada. Transferidas a 82 redes jamais vistas no treinamento, preservam redução de 27,9% das violações sob o cenário mais severo do ano. Uma única curva por classe demonstra-se suficiente em todo o horizonte de penetração estudado (até 150%). Ao reduzir o problema da concessionária inteira a 18 otimizações — redução de aproximadamente quatro mil vezes no número de otimizações necessárias — e ao revelar que a adaptação das curvas aos limites regulatórios brasileiros é a correção mais consequente descoberta pela otimização, a tese oferece às distribuidoras um caminho escalável, auditável e compatível com a norma vigente para converter inversores dispersos em um instrumento coordenado de qualidade de tensão.
MEMBROS DA BANCA:
Presidente - 2263570 - DENISSON QUEIROZ OLIVEIRA
Co-orientador externo à instituição - DIOGO MARUJO - UTFPR
Externo à Instituição - FERNANDO APARECIDO DE ASSIS - UFSJ
Externo à Instituição - IVAN PAULO DE FARIA - UNIFEI - UNI
Externo ao Programa - 3038073 - JOAO EDUARDO RIBEIRO BAPTISTA
Interno - 3038112 - PEDRO BEZERRA LEITE NETO