Please use this identifier to cite or link to this item: https://repositorio.ufjf.br/jspui/handle/ufjf/14029
Files in This Item:
File Description SizeFormat 
marcostadeubarrosdeoliveira.pdfPDF/A4.35 MBAdobe PDFThumbnail
View/Open
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Marcato, André Luís Marques-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1033215067775319pt_BR
dc.contributor.referee1Silva Junior, Ivo Chaves da-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/6893941321946438pt_BR
dc.contributor.referee2Souza, Reinaldo Castro-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/6992824817295435pt_BR
dc.creatorBarros de Oliveira, Marcos Tadeu-
dc.creator.Latteshttp://lattes.cnpq.br/7124615395187311pt_BR
dc.date.accessioned2022-05-05T13:26:30Z-
dc.date.available2022-05-04-
dc.date.available2022-05-05T13:26:30Z-
dc.date.issued2022-02-18-
dc.identifier.doihttps://doi.org/10.34019/ufjf/di/2022/00038-
dc.identifier.urihttps://repositorio.ufjf.br/jspui/handle/ufjf/14029-
dc.description.abstractBrazil currently has an electrical matrix made up of approximately 83% of renewable energy and of this source, about 63% is composed of Hydroelectric Power Plants (HPPs). Thus, Brazilian plants have several regulatory issues regarding their contracts, operation and maintenance. A highlight is related to the Availability Factor (AFA), which is responsible for evaluating the availability performance of the plants and their generating units (GUs). The AFA represents an availability target to be met by the generation agents, and a poor performance of the indicator can generate financial penalties. The AFA is mainly influenced by forced stops that occur in generating units. Such stops have a random behavior and directly influence the operation and availability of the hydroelectric plant. Thus, this work presents a Monte Carlo Simulation (MCS) to obtain availability projections of Hydroelectric Power Plants. The main objective of the simulation is to generate forced availability scenarios, helping the agenda in the risk analysis and decision making in relation to the HPP. The proposed methodology consists of two steps. Firstly, the maintenance calendar is optimized, defining the scheduled shutdown days for each plant. Then, the forced shutdown scenarios drawn during the SMC and the scheduled shutdowns are inserted into a model for optimizing the plant’s operation and maintenance. Therefore, through the MCS, scenarios of availability of the HPP will be designed and from that, the risk analysis for the case study is carried out. The history used for the draws is the official National System Operator database, which has data on forced and scheduled events. The proposed modeling was applied using real data from UHE Santo Antônio, which is one of the largest hydroelectric plants in Brazil.pt_BR
dc.description.resumoO Brasil possui atualmente uma matriz elétrica formada de aproximadamente 83% de energia renovável e dessa fonte, cerca de 63% é composta de Usinas Hidrelétricas (UHEs). Dessa forma, as usinas brasileiras possuem diversas questões regulatórias sobre seus contratos, operação e manutenção. Um destaque está relacionado ao Fator de Disponibilidade (FID), o qual é responsável por avaliar o desempenho de disponibilidade das usinas e de suas unidades geradoras (UGs). O FID representa uma meta de disponibilidade a ser atendida pelos agentes de geração, sendo que um mau desempenho do indicador pode gerar penalizações financeiras. O FID é influenciado principalmente por paradas forçadas que ocorrem nas unidades geradoras. Tais paradas possuem um comportamento aleatório e influenciam diretamente a operação e disponibilidade da usina hidrelétrica. Dessa forma, esse trabalho apresenta uma Simulação de Monte Carlo (SMC) para obter projeções disponibilidade de Usinas Hidrelétricas. O objetivo principal da simulação é gerar cenários de disponibilidade forçada, auxiliando o agenda na análise de risco e tomada de decisão em relação à UHE. A metodologia proposta consiste em duas etapas. Primeiramente o calendário de manutenção é otimizado, definindo os dias de parada programada para cada usina. Em seguida, os cenários de parada forçada sorteados durante a SMC e as paradas programadas são inseridos em um modelo de otimização da operação e manutenção da usina. Portanto, através da SMC serão projetados cenários de disponibilidade da UHE e a partir disso, a análise de risco para o estudo de caso é realizada. O histórico utilizado para os sorteios é a base de dados oficial do Operador Nacional do Sistema, a qual possui dados de eventos forçados e programados. A modelagem proposta foi aplicada usando dados reais da UHE Santo Antônio, a qual é uma das maiores hidrelétricas do Brasil.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Juiz de Fora (UFJF)pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentFaculdade de Engenhariapt_BR
dc.publisher.programPrograma de Pós-graduação em Engenharia Elétricapt_BR
dc.publisher.initialsUFJFpt_BR
dc.rightsAcesso Abertopt_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectAnálise de riscopt_BR
dc.subjectFator de disponibilidadept_BR
dc.subjectRegulação de hidrelétricaspt_BR
dc.subjectSimulação de Monte Carlopt_BR
dc.subjectRisk analysispt_BR
dc.subjectAvailability factorpt_BR
dc.subjectHydroelectric plants regulationpt_BR
dc.subjectMonte Carlo Simulationpt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICApt_BR
dc.titleProjeções de disponibilidade de usinas hidroelétricas através de simulação de Monte Carlopt_BR
dc.typeDissertaçãopt_BR
Appears in Collections:Mestrado em Engenharia Elétrica (Dissertações)



This item is licensed under a Creative Commons License Creative Commons