⚡ electrical engineering

A Fast Dynamic Internal Predictive Power Scheduling Approach for Power Management in Microgrids

Este artigo apresenta uma abordagem de Agendamento Preditivo de Potência Interna Dinâmica (DIPPS) que otimiza a gestão de energia em microrredes ao transformar um problema de programação não linear mista inteira em um modelo linear via relaxação de McCormick, permitindo cálculos em tempo real e uma redução de 97,6% no tempo de processamento para otimizar trocas de energia e o uso de recursos distribuídos.

Autores originais: Neethu Maya, Bala Kameshwar Poolla, Seshadhri Srinivasan, Narasimman Sundararajan, Suresh Sundaram

Publicado 2026-03-25

📖 4 min de leitura☕ Leitura rápida

CC BY 4.0

Autores originais: Neethu Maya, Bala Kameshwar Poolla, Seshadhri Srinivasan, Narasimman Sundararajan, Suresh Sundaram

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você e seus vizinhos têm uma pequena comunidade elétrica, chamada Microgrid. Em vez de depender apenas da grande empresa de energia da cidade, vocês têm seus próprios painéis solares (que geram energia de graça quando o sol brilha) e baterias grandes (que guardam essa energia para usar quando está nublado ou à noite).

O problema é: como decidir quem usa o que, quando carregar as baterias e quando vender o excesso de volta para a cidade, para gastar o mínimo e ganhar o máximo?

É aqui que entra o DIPPS, o "cérebro" inteligente apresentado neste artigo. Vamos explicar como funciona usando analogias do dia a dia:

1. O Problema: A "Caixa Preta" Matemática

Antes, os computadores tentavam resolver esse quebra-cabeça usando uma equação matemática super complexa (chamada MINLP). Era como tentar resolver um cubo mágico de 1000 peças enquanto corre uma maratona.

O resultado: O computador levava cerca de 38 segundos para pensar em cada decisão. Em um mundo real onde a luz do sol muda a cada segundo, 38 segundos é uma eternidade. A energia poderia ter sido desperdiçada antes mesmo do computador decidir o que fazer.

2. A Solução: O "Truque" do DIPPS

Os autores criaram uma nova abordagem chamada DIPPS (Agendamento de Potência Preditiva Interna Dinâmica). Eles fizeram duas coisas mágicas:

Simplificação (O "Desmontar" do Problema): Eles transformaram aquela equação complexa em uma versão mais simples e linear (MILP).
- Analogia: Imagine que antes você tentava calcular a trajetória de um foguete com todas as variáveis do universo. Agora, você usa um mapa simplificado que diz apenas: "Se o sol brilha, vá para o norte; se está escuro, vá para o sul".
- Resultado: O computador agora resolve o problema em 0,92 segundos. É 97,6% mais rápido! Isso significa que o sistema pode tomar decisões em tempo real, quase instantaneamente.
O "Botão Mágico" (Parâmetro Dinâmico): Aqui está a parte mais criativa. O sistema tem um "botão" que pode ser ligado ou desligado em horários específicos.
- Analogia: Pense no sistema de energia como um gerente de caixa de um supermercado.
  - Modo Normal (Botão Desligado): O gerente tenta vender o produto (energia) apenas quando o preço está mais alto (tarifa de energia cara). Ele guarda o produto na prateleira (bateria) e espera o momento perfeito.
  - Modo Forçado (Botão Ligado): O gerente recebe uma ordem: "Venda tudo o que tiver nas prateleiras agora, não importa o preço!". Isso é útil se você precisa esvaziar a bateria de manhã cedo para carregar de novo, ou se precisa vender à noite para evitar que a bateria fique cheia demais.

3. Como Funciona na Prática (Os 3 Casos)

Os pesquisadores testaram isso com dados reais de uma casa na França:

Caso A (O Tradicional): O sistema age como um investidor paciente. Ele guarda a energia solar de dia e vende à tarde, quando a energia da cidade é mais cara. Ele tenta ganhar o máximo de dinheiro possível.
Caso B (O "Esvaziador" da Manhã): O "botão mágico" é ligado das 6h às 9h. O sistema é obrigado a vender toda a energia que tem na bateria de manhã, mesmo que o preço esteja baixo. Por que? Talvez para garantir que a bateria esteja vazia para receber a energia solar do dia seguinte, ou para atender a uma regra específica da comunidade.
Caso C (O "Esvaziador" da Noite): O "botão" é ligado das 18h às 24h. O sistema guarda energia o dia todo e é forçado a vender tudo no final da noite.

4. Por que isso é importante?

Velocidade: Como o sistema é super rápido (menos de 1 segundo), ele pode ser usado em tempo real, reagindo a nuvens passando ou mudanças súbitas no consumo.
Vida Útil das Baterias: O sistema é inteligente o suficiente para não "maltratar" as baterias. Ele limita o número de vezes que a bateria carrega e descarrega (como se fosse um atleta que precisa descansar), o que faz a bateria durar mais anos.
Flexibilidade: A comunidade pode decidir: "Hoje queremos vender energia de manhã" ou "Hoje queremos guardar tudo". O DIPPS obedece a essa ordem sem travar o sistema.

Resumo Final

Pense no DIPPS como um gerente de tráfego super-rápido e flexível para a energia da sua comunidade. Ele não apenas decide o melhor momento para economizar dinheiro, mas também permite que a comunidade decida quando quer trocar energia com a cidade, tudo isso em menos de um segundo, garantindo que as baterias não se desgastem rápido demais.

É como ter um assistente pessoal que gerencia sua conta de luz, mas que é tão rápido que consegue tomar decisões melhores do que você mesmo, e ainda obedece aos seus desejos de "vender agora" ou "guardar para depois".

Resumo Técnico: Abordagem DIPPS para Gerenciamento de Microrredes

1. Problema Abordado

O gerenciamento de energia em microrredes que integram geração distribuída (como fotovoltaica - PV) e sistemas de armazenamento de energia (ESS) enfrenta desafios complexos. O problema central reside na otimização do agendamento interno de potência e nas trocas de energia com a rede externa (utilidade) ou entre pares (P2P).

As principais dificuldades identificadas pelos autores são:

Complexidade Computacional: A modelagem realista envolve variáveis binárias (para exclusividade mútua de carregamento/descarga e compra/venda) e variáveis contínuas, resultando em problemas de Programação Não Linear Inteira Mista (MINLP). Resolver MINLPs em tempo real é computacionalmente intensivo e muitas vezes inviável para aplicações práticas.
Vida Útil do Armazenamento: Muitas abordagens focam apenas na receita de curto prazo, negligenciando o impacto dos ciclos de carga/descarga na vida útil da bateria (ESS). Limitar os ciclos e gerenciar o Estado de Carga (SoC) é crucial para a viabilidade econômica a longo prazo.
Flexibilidade nas Trocas Externas: Existe uma necessidade de modelos que permitam controlar dinamicamente quando a energia é vendida ou comprada da rede, indo além de estratégias estáticas baseadas apenas em tarifas de horário de uso (ToU), para atender a objetivos específicos de comunidade ou prosumidores.

2. Metodologia Proposta: DIPPS

Os autores propõem a abordagem DIPPS (Dynamic Internal Predictive Power Scheduling), que combina modelagem preditiva, relaxação matemática e um objetivo dinâmico.

Modelagem Inicial (MINLP-PS): O problema é inicialmente formulado como um MINLP com Agendamento Preditivo (PS). O modelo inclui:
- Variáveis de fluxo de potência (PV, ESS, Carga, Rede).
- Variáveis binárias ( $b_V, b_G, b_C$ ) para garantir a exclusividade mútua (ex: não carregar da rede e do PV simultaneamente; não comprar e vender ao mesmo tempo).
- Restrições de balanço de potência, eficiência de carga/descarga e limites de SoC (mantido entre 0,2 e 0,8).
Transformação para MILP (Relaxação de McCormick): Para viabilizar a execução em tempo real, o problema não linear é transformado em um problema de Programação Linear Inteira Mista (MILP-PS). Isso é feito utilizando a relaxação de McCormick, que lineariza os termos não lineares resultantes da multiplicação de variáveis binárias e contínuas.
Função Objetivo Dinâmica: Diferente de abordagens estáticas que minimizam apenas o custo, o DIPPS introduz um parâmetro binário variável no tempo ( $b_S(t)$ ) na função objetivo.
- Quando $b_S(t) = 0$ , o sistema busca maximizar o lucro baseado nas tarifas (comprar barato, vender caro).
- Quando $b_S(t) = 1$ , o sistema é forçado a vender o excedente armazenado ou gerado, independentemente da tarifa atual. Isso permite "deslocar" as trocas de energia para janelas de tempo específicas definidas pelo operador.
Janela Preditiva: O problema é resolvido em uma janela de horizonte recorrente (receding horizon). O estudo utiliza uma janela de 6 pontos de dados (horas).

3. Contribuições Principais

Abordagem Híbrida Dinâmica: Desenvolvimento de um modelo que permite o controle dinâmico dos fluxos de energia externa através de um parâmetro ajustável, facilitando a simulação de comunidades heterogêneas de prosumidores.
Redução de Complexidade Computacional: A aplicação bem-sucedida da relaxação de McCormick para converter um problema MINLP complexo em um MILP solúvel rapidamente, mantendo a precisão necessária para o gerenciamento de energia.
Otimização de Vida Útil da ESS: O método limita os ciclos de carga/descarga a aproximadamente um por dia através do ajuste da janela preditiva e das capacidades, estendendo a vida útil das baterias.
Viabilidade em Tempo Real: Demonstração de que o agendamento de potência pode ser calculado em frações de segundo, permitindo a implementação em sistemas de controle reais.

4. Resultados e Avaliação

Os autores validaram a abordagem utilizando dados reais de carga (conjunto de dados UCI Energy) e simulações em MATLAB com três cenários de estudo:

Caso A (Objetivo Estático): Minimização de custos baseada apenas nas tarifas ToU.
Caso B (Objetivo Dinâmico - Manhã): O parâmetro $b_S(t)$ foi forçado a 1 entre 0h e 6h, obrigando a venda de energia armazenada nesse período.
Caso C (Objetivo Dinâmico - Noite): O parâmetro $b_S(t)$ foi forçado a 1 entre 18h e 24h.

Principais achados:

Desempenho Computacional:
- O tempo médio de solução para o problema MINLP-PS foi de 38,27 segundos.
- O tempo médio de solução para o problema MILP-PS (com DIPPS) foi de 0,92 segundos.
- Isso representa uma melhoria de 97,6% no tempo de computação, tornando a abordagem viável para aplicações em tempo real.
Deslocamento de Trocas de Energia:
- Embora a quantidade total de energia vendida à rede fosse idêntica nos três casos (~1.850 kW), o DIPPS conseguiu alterar quando essa venda ocorreu.
- Nos casos dinâmicos (B e C), o sistema vendeu energia da bateria em horários específicos (manhã ou noite) conforme solicitado pelo parâmetro, mesmo que não fosse o momento de tarifa mais alta, demonstrando flexibilidade operacional.
Eficiência do Armazenamento: A abordagem garantiu que o SoC final fosse mantido em 0,5, permitindo que a bateria estivesse pronta para o dia seguinte, e limitou os ciclos de carga/descarga, preservando a vida útil do equipamento.

5. Significância

Este trabalho é significativo porque oferece uma solução prática para o dilema entre otimização complexa e tempo de execução em microrredes. Ao transformar um problema não linear intratável em um linear solúvel rapidamente, sem sacrificar a capacidade de controle dinâmico, o DIPPS permite:

A implementação de estratégias de negociação P2P (Peer-to-Peer) em larga escala.
O gerenciamento inteligente de comunidades de energia onde diferentes prosumidores podem ter objetivos de tempo de venda de energia distintos.
A extensão da vida útil dos sistemas de armazenamento, um fator crítico para a sustentabilidade econômica de microrredes.

Em resumo, o DIPPS demonstra que é possível gerenciar microrredes complexas de forma eficiente, rápida e adaptável, equilibrando custos, vida útil dos ativos e requisitos operacionais específicos.