Hybrid ANFIS-Based Fuzzy-PID Controller Design for Multi-Area Load Frequency Control in the Northwest Ethiopian Power Grid

Resumo Técnico: Projeto de Controlador Híbrido Baseado em ANFIS-Fuzzy-PID para Controle de Frequência de Carga em Áreas Múltiplas na Rede Elétrica do Noroeste da Etiópia

Definição do Problema
A rede elétrica etíope, particularmente a Região Noroeste, depende de um controlador Proporcional-Integral-Derivativo (PID) convencional para o controle de frequência de carga (LFC) primário. Embora o PID seja um mecanismo padrão, seus parâmetros de ganho estáticos são difíceis de ajustar em tempo real, limitando sua eficácia contra perturbações dinâmicas do sistema e não linearidades. À medida que a demanda de eletricidade aumenta, os desequilíbrios entre geração e carga causam desvios de frequência em relação ao valor nominal de 50 Hz, ameaçando a estabilidade do sistema. O Centro Nacional de Despacho de Carga (NLDC) existente monitora o status do sistema, mas carece de um mecanismo suplementar sofisticado para regular centralmente a frequência e o fluxo de potência das linhas de interconexão durante falhas extremas ou variações significativas de carga. O estudo aborda a necessidade de uma estratégia de LFC suplementar e robusta, capaz de ajuste de parâmetros em tempo real para substituir ou complementar o atual mecanismo PID primário.

Metodologia
A pesquisa desenvolveu um modelo matemático de um sistema hidrelétrico interconectado de três áreas representando a Rede Elétrica do Noroeste da Etiópia (Tana Beles, Fincha e Tis Abay-2). O modelo incorporou dinâmicas de reguladores distintas para cada área: um regulador mecânico-hidráulico (Área 1), um regulador eletro-hidráulico (Área 2) e um regulador eletro-hidráulico do tipo PID programável (Área 3).

Quatro estratégias de controle foram desenvolvidas e simuladas no MATLAB/Simulink:

1. PID Convencional: Ajustado utilizando o método de oscilação sustentada de Ziegler-Nichols.
2. Fuzzy-PID (FPID): Um híbrido onde um sistema de lógica fuzzy ajusta dinamicamente os ganhos PID ($K_p, K_i, K_d$) com base no Erro de Controle de Área (ACE) e sua taxa de variação ($\Delta ACE$).
3. Controlador ANFIS: Um Sistema de Inferência Neuro-Fuzzy Adaptativo usando uma estrutura do tipo Sugeno para aprender com os dados e ajustar os sinais de controle.
4. Híbrido Baseado em ANFIS-FPID: A principal contribuição proposta. Esta arquitetura integra a capacidade de aprendizado do ANFIS com a adaptabilidade baseada em regras do FPID. A saída treinada do ANFIS serve como entrada de ACE para o controlador FPID, que então gera o sinal de referência final do regulador.

Os controladores foram avaliados utilizando o Erro de Tempo Integral Absoluto (ITAE) como função objetivo primária, juntamente com o tempo de acomodação, overshoot (sobre-sinal) de pico e undershoot (sub-sinal) de pico. O desempenho foi testado sob três cenários:

• Cenário 1: Uma perturbação de carga de 0,01 p.u. na Área 1.
• Cenário 2: Perturbações simultâneas em múltiplas áreas (0,46 p.u. na Área 1, 0,0268 p.u. na Área 2 e 0,016 p.u. na Área 3).
• Cenário 3: Análise de robustez com variações de $\pm 25\%$ nos parâmetros do sistema (constantes de tempo do regulador, constantes de tempo da água, inércia e droop).

Principais Resultados
O controlador híbrido baseado em ANFIS-FPID demonstrou desempenho superior em todos os cenários comparado ao PID, FPID e controladores ANFIS isolados:

• Perturbação de Área Única (Cenário 1): O controlador proposto reduziu o tempo de acomodação do desvio de frequência para 12,959 s (comparado a 48,8824 s para o PID) e alcançou um ITAE de 0,00565 (comparado a 0,0838 para o PID). O undershoot de potência da linha de interconexão na Área 1 foi reduzido de -0,00805 p.u. (PID) para -0,00339 p.u. (Híbrido).
• Perturbação de Múltiplas Áreas (Cenário 2): Sob variações de carga simultâneas e de grande magnitude, o controlador híbrido manteve o menor ITAE de 0,02375, superando significativamente o ITAE de 0,97080 do controlador PID. Ele alcançou consistentemente os menores overshoots e undershoots de pico em todas as três áreas.
• Robustez (Cenário 3): O sistema permaneceu estável sob variações de parâmetros de $\pm 25\%$, com o ITAE permanecendo dentro de uma faixa estreita de 0,00541 a 0,00580, confirmando a resiliência do controlador às incertezas do modelo.

Significância e Alegações
O artigo alega que o controlador híbrido baseado em ANFIS-FPID oferece um caminho tecnicamente viável para aumentar a confiabilidade da rede na Etiópia. Ao combinar o aprendizado adaptativo do ANFIS com o tratamento de não linearidades do FPID, o sistema gerencia efetivamente incertezas e condições dinâmicas que os controladores PID estáticos não conseguem. O estudo posiciona este controlador não como um substituto para o LFC primário, mas como um mecanismo suplementar e centralizado necessário a ser implantado no NLDC.

Os autores enfatizam que esta abordagem permite a adaptação em tempo real ao cenário energético flutuante da rede sem necessidade de reajuste manual, podendo potencialmente prevenir apagões e proteger a infraestrutura. No entanto, o artigo reconhece modestamente desafios significativos de implementação, incluindo a carga computacional do ANFIS, a "maldição da dimensionalidade" e a necessidade de protocolos de comunicação atualizados e recursos humanos especializados no NLDC. Os autores declaram explicitamente que a validação atual é limitada à simulação (MATLAB/Simulink) e ainda não inclui restrições não lineares como bandas mortas de regulador (GDB) ou restrições de taxa de geração (GRC), nem incorpora usinas térmicas ou eólicas.

Conclusão
O estudo conclui que o controlador híbrido baseado em ANFIS-FPID supera significativamente os mecanismos existentes em termos de tempo de acomodação, redução de overshoot e robustez. Recomenda-se que a Ethiopian Electric Power (EEP) considere pilotar este controlador para transitar em direção a uma estratégia de LFC centralizada e mais resiliente, desde que sejam feitos investimentos estratégicos em modernização e treinamento de engenheiros. O trabalho futuro é direcionado para testes de Hardware-in-the-Loop (HIL), expansão do modelo para incluir fontes de geração mais diversas e integração de considerações de cibersegurança.