Resumo Técnico: Fortalecimento de Redes Resilientes contra Múltiplos Perigos

1. Definição do Problema

O aumento da frequência e intensidade de eventos climáticos extremos, impulsionados pelas mudanças climáticas, representa ameaças severas à resiliência dos sistemas de potência. Danos à infraestrutura causados por perigos como ventos fortes, terremotos e incidentes relacionados à vegetação levam a interrupções prolongadas e perdas econômicas significativas. Um desafio crítico no planejamento de redes é que as estratégias de fortalecimento tradicionais frequentemente focam em um único perigo ou em uma única medida de mitigação. Por exemplo, o enterramento (UG) de linhas protege contra vento e vegetação, mas pode aumentar a vulnerabilidade à atividade sísmica ou incorrer em altos custos de reparo se ocorrer um terremoto. Inversamente, o manejo da vegetação (VM) é eficaz para linhas aéreas, mas não aborda riscos sísmicos.

Além disso, os modelos de otimização existentes frequentemente dependem de uma programação estocástica de dois estágios estática, onde as decisões de fortalecimento iniciais são fixas para todo o horizonte de planejamento. Essa rigidez não leva em conta as condições climáticas evolutivas e as incertezas, podendo levar a resultados subótimos e dispendiosos. O artigo aborda a necessidade de um framework de tomada de decisão que:

1. Considere simultaneamente múltiplos perigos (especificamente ventos fortes e terremotos).
2. Integre estratégias de fortalecimento complementares (enterramento de longo prazo e manejo de vegetação de curto prazo).
3. Permita a tomada de decisão adaptativa para revisar planos iniciais com base em cenários futuros realizados.

2. Metodologia

Os autores propõem um framework de Otimização Estocástica Adaptativa de Dois Estágios (ATS) projetado para sistemas de distribuição radiais com recursos energéticos distribuídos.

2.1. Árvore de Cenários e Modelagem de Incerteza

O problema é modelado usando uma árvore de cenários onde os nós representam realizações possíveis de incertezas (eventos de vento, terremotos, falhas de vegetação) ao longo de um horizonte de planejamento $T$.

• Parâmetros de Incerteza: O modelo incorpora variáveis aleatórias para duração de interrupção ($\xi$), o número de eventos ($N$) e probabilidades de falha ($\varrho$) para cada tipo de perigo.
• Poda de Árvore: Para garantir a tratabilidade computacional conforme o horizonte se estende, os autores utilizam um método de redução reversa para podar a árvore de cenários, retendo um conjunto representativo de cenários que aproximam a distribuição de probabilidade original.

2.2. Estrutura Adaptativa de Dois Estágios

Diferente dos modelos padrão de dois estágios onde as decisões de primeiro estágio são fixas, o framework ATS introduz um mecanismo de revisão:

• Decisões de Primeiro Estágio: Decisões iniciais sobre quais linhas serão enterradas ($\alpha_{ln}$) são tomadas no início.
• Ponto de Revisão: Em um tempo designado $t$, o modelo permite uma única revisão dessas decisões iniciais com base na incerteza observada e em previsões atualizadas.
• Decisões de Segundo Estágio: Níveis de manejo de vegetação ($\beta_{ln}$) são determinados anualmente (curto prazo) e permanecem dependentes do cenário ao longo do horizonte.

2.3. Função Objetivo e Restrições

O objetivo é minimizar o custo esperado total ao longo de um horizonte de 30 anos, compreendendo:

• Custos de Investimento: Custos de capital para enterramento ($IC^{UG}$) e manejo anual de vegetação ($IC^{VM}$).
• Custos Operacionais: Custos de interrupção (desligamento de carga) e custos de reparo associados a falhas de vento, terremoto e vegetação.
• Desconto: Custos futuros são descontados usando um fator $\gamma$ derivado de taxas de inflação e de desconto.

Restrições Principais:

• Limites de Orçamento: Tetos sistêmicos para enterramento ($B^{UG}$) e manejo de vegetação ($B^{VM}$).
• Irreversibilidade: Uma vez que uma linha é enterrada, a decisão não pode ser revertida.
• Exclusividade Mútua: O manejo de vegetação é aplicável apenas a linhas aéreas; linhas enterradas não requerem VM.
• Lógica de Revisão: As restrições garantem que cada linha passe por, no máximo, uma decisão de revisão, e que as decisões permaneçam consistentes entre os cenários até o ponto de revisão.

2.4. Cálculo de Desligamento de Carga

Para quantificar os custos de interrupção, o modelo resolve um problema de otimização offline separado para cada potencial interrupção de linha. Isso utiliza o modelo DistFlow para calcular o custo diário de desligamento de carga ($C^{LS}$) com base em restrições de fluxo de potência, limites de tensão nodal e capacidades de rampa de microturbinas.

3. Principais Contribuições

O artigo apresenta três contribuições primárias:

1. Modelo de Múltiplos Perigos Integrado: Um modelo de otimização abrangente que considera conjuntamente ventos fortes e terremotos. Ele contabiliza explicitamente os compromissos (trade-offs) onde o enterramento mitiga riscos de vento/vegetação, mas pode expor a infraestrutura a riscos sísmicos, e vice-versa.
2. Framework de Decisão Adaptativa: A introdução de uma abordagem estocástica adaptativa de dois estágios que permite uma única revisão das decisões de enterramento de longo prazo. Isso equilibra a flexibilidade dos modelos de múltiplos estágios com a praticidade das abordagens de dois estágios, acomodando condições de risco evolutivas sem reversões frequentes e custosas.
3. Otimização de Estratégia Sinérgica: A integração de estratégias de longo prazo (UG) e curto prazo (VM). O modelo demonstra como essas estratégias interagem; por exemplo, o enterramento de um segmento elimina a necessidade de VM nesse segmento, criando sinergias de custo.

4. Resultados de Simulação

O framework foi testado em um sistema de distribuição IEEE 22-barras usando MATLAB e Gurobi.

4.1. Decisões de Fortalecimento Ótimas

• Sensibilidade ao Orçamento: À medida que o orçamento de enterramento aumenta, o modelo seleciona mais linhas, priorizando aquelas com alto impacto de desligamento de carga e alta vulnerabilidade ao vento, mas baixo risco sísmico.
• Redução de Custos: O aumento do orçamento de enterramento reduz significativamente os custos totais do sistema (valor objetivo), pois diminui os custos de interrupção e reparo.
• Interação de Estratégias: Conforme mais linhas são enterradas, o orçamento necessário para manejo de vegetação diminui, confirmando as economias de custo sinérgicas.

4.2. Adaptativo vs. Estático (ATS vs. TS)

• Desempenho: A abordagem Adaptativa de Dois Estágios (ATS) supera consistentemente o modelo de Dois Estágios (TS) padrão.
• Magnitude do Ganho: As economias de custo relativo ($G_{rel}$) do ATS sobre o TS variam de 11,85% a 17,83%, dependendo do orçamento e do tamanho da árvore de cenários.
• Condições para Valor: A vantagem do ATS é mais pronunciada sob orçamentos maiores e árvores de cenários maiores (maior incerteza). Em horizontes de planejamento mais curtos ou cenários de baixa incerteza, o valor da adaptação diminui.
• Múltiplas Interrupções: Em cenários envolvendo interrupções simultâneas de múltiplas linhas, a flexibilidade do ATS proporciona benefícios relativos ainda maiores (melhoria de até 19,43%), destacando sua robustez em cenários de falha de alto impacto.

4.3. Benefícios de Múltiplos Perigos e Múltiplas Estratégias

• Planejamento de Múltiplos Perigos: Considerar tanto os riscos de vento quanto os de terremoto leva a seleções de linhas diferentes e mais custo-efetivas em comparação com modelos de perigo único. Por exemplo, linhas com alta vulnerabilidade sísmica são evitadas para enterramento, mesmo que tenham alto risco de vento, prevenindo o aumento dos custos de ciclo de vida. Esta abordagem gerou economias de custos de 53–59% em relação ao planejamento de perigo único.
• Planejamento de Múltiplas Estratégias: A otimização conjunta de UG e VM resultou em economias totais de aproximadamente US$ 9 milhões (3,97–5,52% em relação às estratégias apenas de UG) ao mitigar riscos que uma única estratégia não poderia abordar.

4.4. Escalabilidade e Sensibilidade

• Tamanho da Árvore de Cenários: Aumentar o número de cenários melhora a qualidade da solução, mas aumenta o tempo de computação exponencialmente. Os autores observam um ponto de retornos decrescentes onde reduções marginais de custo não justificam o enorme aumento no tempo de computação.
• Métodos de Poda: Os métodos de redução reversa e seleção direta de poda yielded resultados de estratégias ótimas quase idênticos, validando a robustez da abordagem de poda.
• Tamanho do Sistema: O modelo permanece computacionalmente tratável quando escalado para o sistema IEEE 69-barras, embora o tempo de computação aumente com o tamanho do sistema e a heterogeneidade das linhas.

5. Significância e Alegações

O artigo afirma que seu framework proposto oferece uma abordagem robusta e custo-efetiva para o planejamento de resiliência de redes a longo prazo. Ao ir além dos modelos estáticos de perigo único, o framework permite que as concessionas:

• Tomem decisões de investimento informadas que considerem a interação complexa de perigos conflitantes (ex: vento vs. terremoto).
• Otimizem a alocação de capital ao aproveitar as sinergias entre diferentes estratégias de fortalecimento (enterramento e manejo de vegetação).
• Aumentem a adaptabilidade ao permitir que os tomadores de decisão revisem seus planos iniciais uma única vez, reduzindo assim o risco de investimentos subótimos diante de incertezas climáticas evolutivas.

Os autores concluem que, embora a abordagem adaptativa incorra em uma maior carga computacional, os benefícios financeiros substanciais e a melhoria da resiliência justificam o esforço, particularmente para o planejamento de infraestrutura de longo prazo, onde a flexibilidade é crucial. Eles também observam que o framework é agnóstico à topologia em relação à decisão de fortalecimento, embora o cálculo do desligamento de carga assuma uma estrutura radial (com extensões possíveis para redes em malha). Sugere-se como trabalho futuro explorar a interação entre atitudes de risco e vulnerabilidades de ativos com maior profundidade.