UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ

DEPARTAMENTO ACADÊMICO DE ELETROTÉCNICA

CURSO DE ENGENHARIA ELÉTRICA

BRUNO CENTENARO
GABRIELA FRANCO RIOS CATAPANI

AVALIAÇÃO DE CONFIABILIDADE DE REDE DE DISTRIBUIÇÃO DE

UMA CONCESSIONÁRIA BRASILEIRA VIA MÉTODO ANALÍTICO E
MONTE CARLO SEQUENCIAL

TRABALHO DE CONCLUSÃO DE CURSO

CURITIBA
2017
 BRUNO CENTENARO
GABRIELA FRANCO RIOS CATAPANI

AVALIAÇÃO DE CONFIABILIDADE DE REDE DE DISTRIBUIÇÃO DE

UMA CONCESSIONÁRIA BRASILEIRA VIA MÉTODO ANALÍTICO E
MONTE CARLO SEQUENCIAL

Trabalho de Conclusão de Curso de

Graduação, apresentado à disciplina de
TCC, do curso de Engenharia Elétrica,
como requisito parcial para obtenção do
título de Engenheiro Eletricista, da
Universidade Tecnológica Federal do
Paraná, campus Curitiba.
Orientador: Prof. Paulo Cicero Fritzen, Dr.
Co-orientador: Prof. Diego Issicaba, Ph.D.

CURITIBA
2017
 Bruno Centenaro
Gabriela Franco Rios Catapani

AVALIAÇÃO DE CONFIABILIDADE DE REDE DE DISTRIBUIÇÃO

DE UMA CONCESSIONÁRIA BRASILEIRA VIA MÉTODO
ANALÍTICO E MONTE CARLO SEQUENCIAL

Este Trabalho de Conclusão de Curso de Graduação foi julgado e aprovado como requisito parcial para
a obtenção do Título de Engenheiro Eletricista, do curso de Engenharia Elétrica do Departamento
Acadêmico de Eletrotécnica (DAELT) da Universidade Tecnológica Federal do Paraná (UTFPR).

Curitiba, 12 de dezembro de 2017.

____________________________________
Prof. Emerson Rigoni, Dr.
Coordenador de Curso
Engenharia Elétrica

____________________________________
Profa. Annemarlen Gehrke Castagna, Ma.
Responsável pelos Trabalhos de Conclusão de Curso
de Engenharia Elétrica do DAELT

ORIENTAÇÃO BANCA EXAMINADORA

______________________________________ _____________________________________
Paulo Cicero Fritzen, Dr. Paulo Cicero Fritzen, Dr.
Universidade Tecnológica Federal do Paraná Universidade Tecnológica Federal do Paraná
Orientador

______________________________________ _____________________________________
Diego Issicaba, Ph.D. Diego Issicaba, Ph.D.
Universidade Federal de Santa Catarina Universidade Federal de Santa Catarina
Co-Orientador

_____________________________________
Annemarlen Gehrke Castagna, Ma.
Universidade Tecnológica Federal do Paraná
A folha de aprovação assinada encontra-se na Coordenação do Curso de Engenharia Elétrica
 RESUMO

CATAPANI, Gabriela Franco Rios ; CENTENARO, Bruno. Avaliação da

confiabilidade de rede de distribuição de uma concessionária brasileira via
método analítico e monte carlo sequencial. 2017. 55 f. Trabalho de Conclusão de
Curso (Graduação) – Engenharia Elétrica. Universidade Tecnológica Federal do
Paraná. Curitiba, 2017.

O sistema elétrico de potência necessita operar com segurança e qualidade,

fornecendo energia com o menor número de interrupções possível. A relevância do
conhecimento da disponibilidade de energia motiva estudos de confiabilidade
preditivos, especialmente no âmbito dos sistemas de distribuição. O objetivo deste
trabalho é realizar a avaliação de confiabilidade de um sistema de distribuição real via
método de simulação de Monte Carlo sequencial. Para tal, foram desenvolvidos
algoritmos abordando a metodologia analítica e a metodologia de simulação de Monte
Carlo sequencial. Os algoritmos elaborados são implementados computacionalmente
e aplicados a um sistema teste, gerando assim índices de confiabilidade. Com a
validação dos métodos e algoritmos, nova aplicação do método de Monte Carlo
sequencial é feita a uma rede real. Os resultados confirmam a efetividade dos métodos
e sugerem a importância da contribuição das informações fornecidas pelo método de
Monte Carlo sequencial ao planejamento de redes de distribuição.

Palavras-chave: confiabilidade, rede de distribuição, metodologia analítica,

metodologia de Monte Carlo sequencial.
 ABSTRACT

CATAPANI, Gabriela Franco Rios ; CENTENARO, Bruno. Distribution network

reliability evaluation of a brazilian concessionaire by analytical method and
sequential Monte Carlo method. 2017. 55 f. Trabalho de Conclusão de Curso
(Graduação) – Engenharia Elétrica. Universidade Tecnológica Federal do Paraná.
Curitiba, 2017.

The power eletrical system needs to operate with safety and quality providing power
with as few interruptions as possible. The relevance of perception of energy availability
motivates predictive reliability studies, especially in the context of distribution systems.
The purpose of this work is to perform the reliability evaluation of a real distribution
system using sequential Monte Carlo simulation method. For that, algorithms were
developed, using the analytical approach and the sequential Monte Carlo method. The
developed algorithms are implemented computationally and applied to a test system,
thus generating reliability indexes. With the validation of the methods and algorithms,
a new application of the sequential Monte Carlo method is done to a real network. The
study results confirm the effectiveness of the approaches and suggest the importance
of the contribution of the information provided by the sequential Monte Carlo method
to the planning of distribution networks.

Keywords: reliability, distribution systems, analytical method, sequential Monte Carlo

method.
 LISTA DE FIGURAS

Figura 1 - Níveis hierárquicos e zonas funcionais ..................................................... 16

Figura 2 - Modelo a dois estados de um componente - tempo de operação e tempo
de reparo ................................................................................................................... 21
Figura 3 - Modelo a dois estados de um componente - diagrama de espaço de
estados ...................................................................................................................... 21
Figura 4 - Rede de distribuição radial com chaves (seccionadoras) e fusíveis em
ramais laterais ........................................................................................................... 28
Figura 5 - Gráfico de confiança da média do SAIFI anual - Caso 1 .......................... 49
Figura 6 - Gráfico de confiança da média do SAIFI anual - Rede Real ..................... 50
Figura 7 - Histograma SAIFI anual - Rede Real ........................................................ 51
Figura 8 - Histograma SAIDI anual - Rede Real........................................................ 51
Figura 9 - Histograma ENS anual - Rede Real.......................................................... 52
 LISTA DE TABELAS

Tabela 1 - Número de Consumidores e Carga Conectada ao sistema da Figura 4 .. 29

Tabela 2 - Parâmetros de Confiabilidade do Sistema da Figura 4 ............................ 29
Tabela 3 - Índices de confiabilidade do sistema para o Caso 1 ................................ 30
Tabela 4 - Índices de confiabilidade do sistema para o Caso 2 ................................ 32
Tabela 5 - Índices de confiabilidade do sistema para o Caso 3 ................................ 33
Tabela 6 - Índices de confiabilidade do sistema para o Caso 4 ................................ 35
Tabela 7 - Taxa de falha, duração da interrupção e indisponibilidade anual do
serviço nos pontos de carga em cada caso .............................................................. 40
Tabela 8 - Validação dos índices de confiabilidade analíticos - Caso 1 .................... 41
Tabela 9 - Validação dos índices de confiabilidade analíticos - Caso 2 .................... 41
Tabela 10 - Validação dos índices de confiabilidade analíticos - Caso 3 .................. 41
Tabela 11 - Validação dos índices de confiabilidade analíticos - Caso 4 .................. 42
Tabela 12 - Comparativo dos índices de confiabilidade - Caso 1.............................. 47
Tabela 13 - Comparativo dos índices de confiabilidade - Caso 2.............................. 48
Tabela 14 - Comparativo dos índices de confiabilidade - Caso 3.............................. 48
Tabela 15 - Comparativo dos índices de confiabilidade - Caso 4.............................. 48
Tabela 16 - Índices de confiabilidade - Rede Real .................................................... 50
 LISTA DE ABREVIATURAS, SIGLAS E ACRÔNIMOS

ANEEL Agência Nacional de Energia Elétrica

DEC Duração Equivalente de Interrupção por Unidade Consumidora
Duração de Interrupção Individual por Unidade Consumidora ou por
DIC
Ponto de Conexão
Duração da Interrupção Individual em Dia Crítico por Unidade
DICRI
Consumidora ou por Ponto de Conexão
Duração Máxima de Interrupção Contínua por Unidade
DMIC
Consumidora ou por Ponto de Conexão
FEC Frequência Equivalente de Interrupção por Unidade Consumidora
Frequência de Interrupção Individual por Unidade Consumidora ou
FIC
por Ponto de Conexão
MTTF Mean Time To Failure
MTTR Mean Time To Repair
Procedimentos de Distribuição de Energia Elétrica no Sistema
PRODIST
Elétrico Nacional
SEP Sistema Elétrico de Potência
 SUMÁRIO

1 INTRODUÇÃO ..................................................................................................... 9
1.1 TEMA................................................................................................................ 9
1.1.1 DELIMITAÇÃO DO TEMA ........................................................................... 10
1.2 PROBLEMA E PREMISSAS ........................................................................... 12
1.3 OBJETIVOS ................................................................................................... 12
1.3.1 Objetivo Geral ............................................................................................. 12
1.3.2 Objetivos Específicos .................................................................................. 12
1.4 JUSTIFICATIVA ............................................................................................. 13
1.5 PROCEDIMENTOS METODOLÓGICOS ....................................................... 13
1.6 ESTRUTURA DO TRABALHO ....................................................................... 14
2 REFERENCIAL TEÓRICO ................................................................................ 15
2.1 CONFIABILIDADE EM SEP............................................................................ 15
2.2 ANÁLISE DE CONFIABILIDADE DE REDES DE DISTRIBUIÇÃO ................. 16
2.2.1 Métodos Analíticos ...................................................................................... 20
2.2.2 Métodos por Simulação .............................................................................. 22
2.3 MÉTODO DE SIMULAÇÃO DE MONTE CARLO ............................................ 22
2.3.1 Método de Monte Carlo Não Sequencial .................................................... 23
2.3.2 Método de Monte Carlo Sequencial ............................................................ 24
2.4 CONSIDERAÇÕES FINAIS ............................................................................ 25
3 METODOLOGIA ANALÍTICA PARA A AVALIAÇÃO DE CONFIABILIDADE
DE REDES DE DISTRIBUIÇÃO ............................................................................... 27
3.1 DESCRIÇÃO DA METODOLOGIA ................................................................. 27
3.2 RESULTADOS NUMÉRICOS ......................................................................... 40
3.3 CONSIDERAÇÕES FINAIS ............................................................................ 42
4 METODOLOGIA DE MONTE CARLO SEQUENCIAL PARA A AVALIAÇÃO
DE CONFIABILIDADE DE REDES DE DISTRIBUIÇÃO .......................................... 44
4.1 DESCRIÇÃO DA METODOLOGIA ................................................................. 44
4.2 RESULTADOS NUMÉRICOS PARA O CASO TESTE ................................... 47
4.3 REDE REAL ................................................................................................... 49
4.4 CONSIDERAÇÕES FINAIS ............................................................................ 52
5 CONSIDERAÇÕES FINAIS ............................................................................... 53
REFERÊNCIAS ......................................................................................................... 54
 9

1 INTRODUÇÃO

1.1 TEMA

A energia elétrica é considerada um elemento de caráter fundamental no

desenvolvimento da sociedade. Sua presença tornou-se imprescindível não só para
as atividades comerciais e residenciais, mas principalmente para as industriais. O
conjunto de equipamentos e circuitos - infraestruturas - que atuam de forma
coordenada com a função de suprir a demanda de carga é conhecido como Sistema
Elétrico de Potência (SEP). A organização do SEP acontece conforme a função de
cada etapa necessária para o fornecimento de energia, sendo, portanto, dividido em:
geração, transmissão e distribuição (MONTICELLI; GARCIA, 2003).
É possível observar claramente a condição de insumo da energia elétrica ao
examinar sua importância na atividade de manufatura, demonstrando o quão
essencial é tê-la à disposição. Porém, como as instalações comerciais e industriais e
seus processos de operação têm se tornado mais complexos e extensos, pode-se
constatar que apenas a disponibilidade de energia deixa de ser fator suficiente se não
vier acompanhada de padrões técnicos e financeiros que viabilizem o fornecimento
de forma confiável (MATTOS et al., 2008). O suprimento de energia elétrica adequado
está diretamente relacionado ao crescimento econômico. Diante deste contexto, a
confiabilidade de SEPs torna-se não apenas desejável, mas sim elementar.
A definição de confiabilidade pode ser encontrada com diversas variações,
porém uma forma amplamente aceita é que confiabilidade é a probabilidade de um
dispositivo funcionar adequadamente de acordo com sua finalidade, para o período
de tempo pretendido sob as condições de funcionamento encontradas (BAGOWSKI
apud BILLINTON, 1992).
A avaliação da confiabilidade do SEP busca o entendimento completo do
funcionamento de um componente ou sistema, com destaque ao potencial de
ocorrência de falhas. A partir disso, são elaborados índices avaliativos como a
quantidade de energia interrompida, a frequência das interrupções, a duração da
interrupção, entre outros, para melhor analisar o problema em questão (BILLINTON;
ALLAN, 1992). Busca-se então soluções que auxiliem o aumento da confiabilidade do
SEP em estudo.
 10

Pode-se analisar a confiabilidade em dois aspectos básicos: adequação das

redes e segurança. A adequação está associada à capacidade das instalações em
suprir a carga respeitando limites operacionais, enquanto a segurança relaciona-se
com a capacidade do sistema em alcançar um regime de operação estável frente a
perturbações. A maioria dos índices utilizados na atualidade são índices de
adequação (BILLINTON; LI, 1994).
Neste contexto, a avaliação de confiabilidade pode ser dividida em avaliação
pretérita e preditiva. A avaliação pretérita do desempenho é de grande valia para o
diagnóstico do sistema, pois identifica os pontos que necessitam de modificações,
permite previsões utilizando informações anteriores a serem comparadas com a
operação do sistema, além de estabelecer índices que servem de guia para
avaliações futuras. Já a avaliação de desempenho preditiva do sistema permite avaliar
como se espera que o sistema irá se comportar no futuro, os benefícios de projetos e
planos de expansão, políticas de manutenção e o custo relacionado à confiabilidade
(BILLINTON; ALLAN, 1992).
Os dados utilizados para avaliação de confiabilidade podem ser obtidos a
partir de banco de dados sobre a operação e manutenção ou mesmo testes
experimentais. Para que não sejam realizadas interpretações equivocadas, a
aquisição de dados para a análise da confiabilidade há de ser feita com o devido
cuidado. Os dados examinados devem ser consideravelmente abrangentes para
assegurar a aplicação dos métodos, entretanto suficientemente restritivos para
certificar que informações desnecessárias não sejam coletadas ou estatísticas
irrelevantes avaliadas. Os dados devem, portanto, refletir e responder somente aos
fatores que afetam a confiabilidade do sistema objeto de análise (BILLINTON; LI,
1994).

1.1.1 DELIMITAÇÃO DO TEMA

Considerando a complexidade dos sistemas de potência modernos e do nível

de detalhe para representá-los, optou-se pela categorização destes em níveis
hierárquicos (NH). Estudos de adequação pertencentes ao NH1 referem-se à geração,
já no NH2 geração e transmissão são objetos de análise, enquanto o NH3
compreende os sistemas de geração, transmissão e distribuição. Devido à grande
complexidade de análise em NH3, avalia-se a confiabilidade de redes de distribuição
 11

de maneira isolada, quer por alimentador ou subestação, para tanto utilizando-se de

modelos equivalentes para representar os demais sistemas de geração e transmissão.
A confiabilidade de redes de distribuição pode ser avaliada tanto por métodos
analíticos quanto por métodos de simulação, sendo que ambos os métodos possuem
suas vantagens. Os métodos analíticos permitem o cálculo rápido de indicadores,
porém apenas valores médios podem ser estimados para os mesmos. Por outro lado,
os métodos de simulação, como o método de simulação de Monte Carlo, permitem a
estimação de propriedades estocásticas dos indicadores, nomeadamente a
distribuição de probabilidade dos índices. O método de simulação de Monte Carlo
pode ser dividido em duas abordagens: sequencial e não sequencial. Enquanto a
abordagem não sequencial permite a representação direta da cronologia do sistema,
a abordagem sequencial preserva as características cronológicas de estados
amostrados que originam os indicadores (BILLINTON; LI, 1994).
Com a intenção de normatizar as atividades técnicas associadas ao
funcionamento e desempenho dos sistemas de distribuição, foram formulados pela
Agência Nacional de Energia Elétrica (ANEEL) os Procedimentos de Distribuição de
Energia Elétrica no Sistema Elétrico Nacional (PRODIST). O Módulo 8 – Qualidade
da Energia Elétrica do PRODIST – apresenta os índices pelos quais a ANEEL, as
distribuidoras e os consumidores podem avaliar a qualidade do serviço prestado e o
desempenho do sistema elétrico, como os indicadores de continuidade de serviço de
distribuição denominados Duração de Interrupção Individual por unidade consumidora
(DIC), Frequência de Interrupção Individual por unidade consumidora (FIC), Duração
Máxima de Interrupção Contínua por unidade consumidora (DMIC) e Duração da
Interrupção Individual ocorrida em dia crítico por unidade consumidora (DICRI), além
dos indicadores de continuidade de conjunto de unidades consumidoras como a
Duração Equivalente de Interrupção por unidade consumidora (DEC) e Frequência
Equivalente de Interrupção por unidade consumidora (FEC) (ANEEL, 2016).
Portanto, o presente trabalho propõe uma análise preditiva da confiabilidade
de uma rede de distribuição real através de índices obtidos utilizando a simulação de
Monte Carlo sequencial, considerando curvas de carga anuais.
 12

1.2 PROBLEMA E PREMISSAS

Segundo Brown (2002), sistemas de distribuição são responsáveis por 90%

de todos os problemas de confiabilidade do consumidor. Isso se deve a complexidade
desses sistemas, tamanho da rede, operação geralmente radial e nível de exposição
dos componentes a causas de falha. Além disso, uma avaliação da confiabilidade de
um consumidor em particular considerando todos os componentes do SEP é inviável
do ponto de vista prático e computacional. Tal premissa justifica abordar o problema
com foco maior nas falhas e reparos de componentes correspondentes aos
alimentadores de distribuição que atendem cada consumidor.
Ademais, tem-se como premissa que a simulação de Monte Carlo sequencial
permite representar adequadamente aspectos temporais associados às falhas do
SEP. Essa é uma vantagem significativa, entretanto traz consigo um complexo
inconveniente: o tempo computacional de execução. Para que sejam atingidos índices
de confiabilidade precisos é necessário que a simulação possua uma grande
quantidade de amostras de variáveis aleatórias, necessitando um grande esforço
computacional.

1.3 OBJETIVOS

1.3.1 Objetivo Geral

Realizar avaliação de confiabilidade de uma rede de distribuição de uma

concessionária brasileira via Método de Monte Carlo Sequencial.

1.3.2 Objetivos Específicos

De modo a atingir o objetivo geral deste trabalho, buscou-se a realização das

seguintes etapas:
● Estudar abordagens de avaliação de confiabilidade de redes de distribuição
com foco na estimação de indicadores quer via métodos analíticos quer
baseados em simulação.
● Implementar uma metodologia de avaliação de confiabilidade de redes de
 13

distribuição baseada em método analítico clássico.

● Implementar uma metodologia de avaliação de confiabilidade de redes de
distribuição baseada no método de simulação de Monte Carlo sequencial.
● Estimar distribuições de probabilidade de indicadores de confiabilidade para
uma rede de distribuição real.

1.4 JUSTIFICATIVA

A confiabilidade dos sistemas elétricos de potência torna-se particularmente

notável ao ser analisada com foco no sistema de distribuição. Devido ao grande
número de pontos de carga e à alta influência de falhas no comportamento da rede
elétrica no consumidor final, seu estudo ganha considerável relevância. Diagnósticos
robustos, capazes de atender à complexidade de tais sistemas, são de interesse do
meio acadêmico, do governo e da indústria.
Comprova-se o destaque da avaliação da confiabilidade ao se examinar o
PRODIST. Os propósitos gerais e o âmbito de aplicação do PRODIST são definidos
em seu Módulo 1 - Introdução. De acordo com o Módulo 1, um dos principais objetivos
da elaboração dos procedimentos é garantir que os sistemas de distribuição operem
com segurança, eficiência, qualidade e confiabilidade (ANEEL, 2016).

1.5 PROCEDIMENTOS METODOLÓGICOS

O projeto de pesquisa primeiramente foi realizado reunindo a literatura

existente relacionada ao tema do trabalho para um entendimento do estado da arte,
consultando-se artigos, teses e livros relevantes.
Na sequência, foram desenvolvidas implementações computacionais de
análise de confiabilidade utilizando o software MATLAB. Para tanto será necessária
também uma familiarização com o ambiente de trabalho do MATLAB e
aprofundamento em suas particularidades, como a sua sintaxe – linguagem
matemática. Após a obtenção dos conhecimentos teóricos e práticos sobre o tema
abordado, foram realizadas simulações utilizando o algoritmo elaborado para uma
rede de uma concessionária brasileira.
Na etapa final, os índices obtidos via método de Monte Carlo sequencial serão
 14

ponderados e comparados àqueles obtidos via método analítico com o objetivo de

verificar se os resultados atingem valores esperados.

1.6 ESTRUTURA DO TRABALHO

O trabalho está estruturado como segue.

O Capítulo 1 possui caráter introdutório, com o objetivo de contextualizar o
tema a ser analisado, delimitando-o e justificando sua escolha.
O Capítulo 2 é composto pela apresentação de conceitos e definições
correspondentes à confiabilidade de sistemas elétricos de potência, com foco nos
sistemas de distribuição.
O Capítulo 3 apresenta a metodologia analítica utilizada para a avaliação de
confiabilidade, a implementação da solução e os resultados obtidos através da
técnica.
O Capítulo 4 detalha o método de simulação Monte Carlo sequencial e
descreve os valores atingidos através de sua implementação.
Por fim, o Capítulo 5 trata das considerações finais, verificando se os objetivos
inicialmente propostos foram alcançados e apresentando possíveis lacunas a serem
investigadas em projetos futuros.
 15

2 REFERENCIAL TEÓRICO

A relevância da confiabilidade compreendida no contexto de sistemas

elétricos de potência, devido a seus grandes impactos financeiros e sociais, propiciou
o crescimento de pesquisas na área. É possível encontrar um grande número de
publicações, desde análises superficiais a trabalhos robustos e complexos, cujo alvo
é a análise da confiabilidade da geração e transmissão de energia elétrica em
sistemas.
A existência de extensa pesquisa em confiabilidade com abordagem à
geração e à transmissão é principalmente atribuída como consequência ao
entendimento inicial de que falhas nestes níveis do sistema teriam maior impacto
comparativamente a falhas em um nível mais próximo aos pontos de carga. Por este
motivo, houve certa escassez de trabalhos explorando a análise da confiabilidade em
redes de distribuição, problema solucionado apenas após a verificação de que a
grande maioria das falhas ocorrem justamente no seguimento de distribuição. Estima-
se que aproximadamente 90% da indisponibilidade de energia é devido a falhas
ocorridas na distribuição (BROWN, 2002).

2.1 CONFIABILIDADE EM SEP

A função de um sistema elétrico é produzir energia elétrica e transportá-la até

os consumidores individuais de forma adequada, contínua e com qualidade, ou seja,
o sistema deve operar desempenhando sua função sob certas condições de interesse.
Conforme citado no capítulo anterior, devido ao tamanho e à complexidade dos
sistemas de potência, categorizou-se o mesmo em três zonas funcionais, como
ilustrado na Figura 1(a). Esta divisão propõe uma ordem de organização para fins de
planejamento e operação do sistema, assim como para efetuar estudos de adequação
nas três zonas funcionais. Estas são combinadas de maneira a constituir os níveis
hierárquicos (BILLINTON; LI, 1994).
Mais recentemente, uma nova zona funcional denominada Energia foi
adicionada, conforme a Figura 1(b). Esta nova zona funcional considera os recursos
renováveis, representando mais precisamente a capacidade de geração ao longo do
tempo. Com os avanços tecnológicos e o aumento da integração da geração
 16

distribuída na rede de distribuição, viu-se ainda necessária uma reorganização no

conceito tradicional dos níveis hierárquicos como mostra a Figura 1(c) incluindo a
capacidade de geração distribuída em redes de distribuição (DOS SANTOS, 2016).

Figura 1 - Níveis hierárquicos e zonas funcionais

Fonte: Adaptado de DOS SANTOS (2016).

Os estudos de adequação referentes ao NH1 têm foco no sistema de geração

e visa estimar a probabilidade de corte de carga para uma demanda prevista do
sistema em um horizonte de planejamento. Já estudos no NH2 têm como fim estimar
a probabilidade de corte de carga nos diversos barramentos do sistema considerando
a possibilidade de falhas nos sistemas de geração e transmissão. Finalmente, estudos
no NH3 envolvem todo o sistema e são realizados admitindo modelos estocásticos de
falha/reparo para os elementos da rede de distribuição e modelos aproximados para
os sistemas de geração e transmissão (BILLINTON; LI, 1994).

2.2 ANÁLISE DE CONFIABILIDADE DE REDES DE DISTRIBUIÇÃO

Um procedimento padrão para se avaliar a confiabilidade de um sistema é

decompô-lo em componentes que o constituem, estimar a confiabilidade de cada
componente e combinar as confiabilidades desses componentes utilizando técnicas
 17

numéricas para estimar a confiabilidade do sistema como um todo (BILLINTON;

ALLAN, 1992).
Assim, para se quantificar o desempenho de sistemas de distribuição foram
criados indicadores de ponto de entrega de serviço que são avaliados pelos conceitos
clássicos de taxa de falha λ [int./ano], duração da interrupção U [h/ano] e tempo médio
𝑈
de interrupção 𝑟 = [h/int.] (BILLINTON; ALLAN, 1984). A partir da ponderação
𝜆

desses indicadores pelo número de consumidores ou carga no ponto de entrega de

serviço são calculados índices sistêmicos utilizados para medir o desempenho dos
sistemas de distribuição, conforme descrição a seguir:

SAIFI (System Average Interruption Frequency Index).

Este índice mede a frequência das interrupções sustentadas durante o período de um

ano de um consumidor médio da rede.

∑ 𝑁° 𝑖𝑛𝑡𝑒𝑟𝑟𝑢𝑝çõ𝑒𝑠 𝑐𝑜𝑛𝑠𝑢𝑚𝑖𝑑𝑜𝑟𝑎𝑠 𝑖𝑛𝑡.

𝑆𝐴𝐼𝐹𝐼 = [ ] (1)
𝑁° 𝑑𝑒 𝑐𝑜𝑛𝑠𝑢𝑚𝑖𝑑𝑜𝑟𝑒𝑠 𝑎𝑡𝑒𝑛𝑑𝑖𝑑𝑜𝑠 𝑎𝑛𝑜

∑𝑖 𝜆𝑖 𝑁𝑖 𝑖𝑛𝑡.
𝑆𝐴𝐼𝐹𝐼 = [ ] (2)
∑𝑖 𝑁𝑖 𝑎𝑛𝑜

onde 𝜆𝑖 é a taxa de falha e 𝑁𝑖 é o número de consumidores do ponto de carga 𝑖.

SAIDI (System Average Interruption Duration Index).

Esse índice mede quantas horas de interrupção um consumidor médio irá

experimentar ao longo de um ano.

∑ 𝑑𝑢𝑟𝑎çã𝑜 𝑑𝑎𝑠 𝑖𝑛𝑡𝑒𝑟𝑟𝑢𝑝çõ𝑒𝑠 𝑐𝑜𝑛𝑠𝑢𝑚𝑖𝑑𝑜𝑟𝑎𝑠 h

𝑆𝐴𝐼𝐷𝐼 = [ ] (3)
𝑁° total 𝑑𝑒 𝑐𝑜𝑛𝑠𝑢𝑚𝑖𝑑𝑜𝑟𝑒𝑠 𝑎𝑡𝑒𝑛𝑑𝑖𝑑𝑜𝑠 𝑎𝑛𝑜

∑𝑖 𝑈𝑖 𝑁𝑖 h
𝑆𝐴𝐼𝐷𝐼 = [ ] (4)
∑𝑖 𝑁𝑖 𝑎𝑛𝑜
 18

onde 𝑈𝑖 é o tempo de indisponibilidade do ponto de carga 𝑖.

CAIFI (Customer Average Interruption Frequency Index).

Este índice mede a frequência média de interrupções sustentadas para consumidores

que tiveram ao menos uma interrupção.

∑ 𝑖𝑛𝑡𝑒𝑟𝑟𝑢𝑝çõ𝑒𝑠 𝑐𝑜𝑛𝑠𝑢𝑚𝑖𝑑𝑜𝑟𝑎𝑠 𝑖𝑛𝑡.

𝐶𝐴𝐼𝐹𝐼 = ⌊ ⌋ (5)
𝑁° 𝑑𝑒 𝑐𝑜𝑛𝑠𝑢𝑚𝑖𝑑𝑜𝑟𝑒𝑠 𝑐𝑜𝑚 𝑝𝑒𝑙𝑜 𝑚𝑒𝑛𝑜𝑠 𝑢𝑚𝑎 𝑖𝑛𝑡𝑒𝑟𝑟𝑢𝑝çã𝑜 𝑎𝑛𝑜

CAIDI (Customer Average Interruption Duration Index).

Este índice mede quanto tempo dura em média uma interrupção para o consumidor.

∑ 𝑑𝑢𝑟𝑎çã𝑜 𝑑𝑎𝑠 𝑖𝑛𝑡𝑒𝑟𝑟𝑢𝑝çõ𝑒𝑠 𝑐𝑜𝑛𝑠𝑢𝑚𝑖𝑑𝑜𝑟𝑎𝑠 ℎ (6)

𝐶𝐴𝐼𝐷𝐼 = [ ]
∑ 𝑁° 𝑑𝑒 𝑖𝑛𝑡𝑒𝑟𝑟𝑢𝑝çõ𝑒𝑠 𝑐𝑜𝑛𝑠𝑢𝑚𝑖𝑑𝑜𝑟𝑎𝑠 𝑖𝑛𝑡.

∑𝑖 𝑈𝑖 𝑁𝑖 ℎ𝑜𝑟𝑎𝑠 (7)
𝐶𝐴𝐼𝐷𝐼 = [ ]
∑𝑖 𝜆𝑖 𝑁𝑖 𝑖𝑛𝑡𝑒𝑟𝑟𝑢𝑝çõ𝑒𝑠

ASAI (Average Service Availability Index).

Representa o tempo que um consumidor médio teve disponível o serviço de energia,

dado em porcentagem.

𝐷𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 𝑑𝑒 𝑠𝑒𝑟𝑣𝑖ç𝑜 𝑐𝑜𝑛𝑠𝑢𝑚𝑖𝑑𝑜𝑟 𝑒𝑚 ℎ𝑜𝑟𝑎𝑠 (8)

𝐴𝑆𝐴𝐼 = × 100 [%]
𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 ℎ𝑜𝑟𝑎𝑠 𝑐𝑜𝑛𝑠𝑢𝑚𝑖𝑑𝑜𝑟𝑎𝑠 𝑛𝑜 𝑝𝑒𝑟í𝑜𝑑𝑜 𝑑𝑒 𝑎𝑛á𝑙𝑖𝑠𝑒

∑ 𝑁𝑖 × 8760 − ∑ 𝑈𝑖 𝑁𝑖
𝐴𝑆𝐴𝐼 = × 100 [%] (9)
∑ 𝑁𝑖 × 8760

ASUI (Average Service Unavailability index).

Representa o tempo que um consumidor médio não teve disponível o serviço de

energia, dado em porcentagem.
 19

∑ 𝑈𝑖 𝑁𝑖
𝐴𝑆𝑈𝐼 = 1 − 𝐴𝑆𝐴𝐼 = × 100 [%] (10)
∑ 𝑁𝑖 × 8760

onde 8760 é o número de horas no período de um ano.

ENS (Energy Not Supplied).

Este índice mede a energia total não fornecida pelo sistema pelo período de um ano.

𝑀𝑊ℎ
𝐸𝑁𝑆 = 𝐸𝑛𝑒𝑟𝑔𝑖𝑎 𝑡𝑜𝑡𝑎𝑙 𝑛ã𝑜 𝑠𝑢𝑝𝑟𝑖𝑑𝑎 𝑝𝑒𝑙𝑜 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 [ ] (11)
𝑎𝑛𝑜

𝑀𝑊ℎ
𝐸𝑁𝑆 = ∑ 𝐿𝑖 𝑈𝑖 [ ] (12)
𝑎𝑛𝑜

onde 𝐿𝑖 é a carga média conectada ao ponto de carga 𝑖.

AENS (Average Energy Not Supplied).

Este índice mede a energia não fornecida pelo sistema para um consumidor médio no
período de um ano.

𝐸𝑛𝑒𝑟𝑔𝑖𝑎 𝑡𝑜𝑡𝑎𝑙 𝑛ã𝑜 𝑓𝑜𝑟𝑛𝑒𝑐𝑖𝑑𝑎 𝑝𝑒𝑙𝑜 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 𝑀𝑊ℎ

𝐴𝐸𝑁𝑆 = [ ] (13)
𝑁° 𝑑𝑒 𝑐𝑜𝑛𝑠𝑢𝑚𝑖𝑑𝑜𝑟𝑒𝑠 𝑎𝑡𝑒𝑛𝑑𝑖𝑑𝑜𝑠 𝑐𝑜𝑛𝑠. 𝑎𝑛𝑜

∑ 𝐿𝑎(𝑖) 𝑈𝑖 𝑀𝑊ℎ
𝐴𝐸𝑁𝑆 = [ ] (14)
∑ 𝑁𝑖 𝑐𝑜𝑛𝑠. 𝑎𝑛𝑜

Para a obtenção de índices de desempenho robustos são utilizadas duas

abordagens principais: a abordagem analítica e a abordagem por simulação. Ao se
utilizar um método analítico, são calculados valores esperados para os índices a partir
de modelos matemáticos, como o modelo de Markov (BILLINTON; LI, 1994), que
representam os componentes do sistema elétrico. No caso do método de simulação é
possível se estimar índices adicionais de maneira mais flexível, emulando o
 20

comportamento estocástico do ciclo de falha/reparo dos componentes ou mesmo

utilizando dados diretos provenientes de séries temporais, sem a dependência direta
de modelos clássicos como o modelo de Markov.
É importante ressaltar que os índices descritos são voltados a avaliação de
interrupções sustentadas. Desde que o período de apuração considerado seja de um
ano e o conjunto consumidor compreenda todos os consumidores da rede, as
variáveis de SAIFI e SAIDI estão associadas aos indicadores brasileiros FEC e DEC,
respectivamente. Por representarem estimativas médias, tais indicadores podem ser
obtidos diretamente via métodos analíticos, enquanto outros indicadores, a saber o
DMIC, podem ser estimados via métodos de simulação.

2.2.1 Métodos Analíticos

O método analítico é tido como a primeira forma utilizada para se avaliar

índices de desempenho do sistema elétrico de potência. A abordagem analítica pode
ser executada manualmente, sem o auxílio de dispendiosos recursos computacionais,
o que a torna vantajosa quando tais recursos não estão à disposição (BILLINTON;
ALLAN, 1992).
Para avaliar analiticamente a falha de um sistema de distribuição perante a
falha de seus componentes constituintes, observa-se que caso a taxa de falha esteja
relacionada a um único componente, então a mesma pode ser definida por

𝑡𝑎𝑥𝑎 𝑑𝑒 𝑣𝑎𝑟𝑖𝑎çã𝑜 𝑑𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 𝑑𝑒 𝑓𝑎𝑙ℎ𝑎 𝑛𝑜 𝑡𝑒𝑚𝑝𝑜 𝑡 (15)

𝜆(𝑡) ≡
𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 𝑑𝑒 𝑠𝑜𝑏𝑟𝑒𝑣𝑖𝑣ê𝑛𝑐𝑖𝑎 𝑎𝑡é 𝑜 𝑡𝑒𝑚𝑝𝑜 𝑡

A definição acima pode ser reescrita como uma equação diferencial de

primeira ordem, a saber

𝑑𝑅(𝑡) (16)
𝑅(𝑡)𝜆(𝑡) = −
𝑑𝑡

A solução desta equação é dada por

𝑡 (17)
𝑅(𝑡) = 𝑒 − ∫0 𝜆(𝑢)𝑑𝑢
 21

Supondo-se ainda que a taxa de falha é constante, obtém-se a distribuição

exponencial para a confiabilidade do componente

(18)
𝑅(𝑡) = 𝑒 −𝜆𝑡

indicando que a confiabilidade do componente no início da vida é 100%, tendendo a

0 com o passar do tempo.
A inversão da taxa de falha resulta no tempo médio para a falha, denotado
por MTTF. Similarmente, pode-se definir uma taxa de reparação μ para o componente,
cuja inversão define o tempo médio para o reparo, denotado por MTTR. Dessa forma,
os componentes de um sistema de distribuição podem ser representados por um
modelo de Markov a dois estados, em operação ou fora de operação, conforme
mostrado na Figura 2 e Figura 3.

Figura 2 - Modelo a dois estados de um componente - tempo de operação e tempo de

reparo

Fonte: Adaptado de Billinton e Allan (1992).

Figura 3 - Modelo a dois estados de um componente - diagrama de espaço de estados

Fonte: Adaptado de Billinton e Allan (1992).

 22

A falha de um sistema pode então ser analisada a partir do exame funcional

do impacto que cada componente exerce na interrupção do serviço em um ponto de
carga ou entrega. Por exemplo, a falha de um sistema com componentes associados
funcionalmente em série é caracterizada caso pelo menos um dos seus componentes
falhe. De outra forma, só existe sucesso se todos os componentes do sistema operam
com sucesso. Para o caso em que a variável aleatória é o tempo t e cada componente
independente possui uma taxa de falha constante, então

𝑅𝑠 = 𝑅1 (𝑡)𝑅1 (𝑡) … 𝑅𝑛 (𝑡)

= 𝑒 −𝜆1 𝑡 … 𝑒 −𝜆𝑛𝑡 (19)
= 𝑒 −(𝜆1 +⋯+𝜆𝑛)𝑡

indicando que a taxa falha do sistema é dada pela soma das taxas de falha dos
componentes.
O cálculo das taxas de falha para cada ponto consumidor é realizado
utilizando o princípio de sistema funcional em série, onde se especifica que todos os
componentes entre o ponto consumidor e pelo menos uma fonte de energia devem
estar operando adequadamente para que o serviço seja possível. A partir dessas
taxas, demais indicadores são obtidos, conforme descrito detalhadamente no capítulo
a seguir.

2.2.2 Métodos por Simulação

A intensa difusão de técnicas de simulação foi devida, principalmente, ao fato

de que a quantidade de amostras necessárias para que se obtenham estimativas
precisas utilizando esta metodologia não está relacionada ao tamanho do sistema em
análise, condição pertinente à análise da confiabilidade no sistema de distribuição.

2.3 MÉTODO DE SIMULAÇÃO DE MONTE CARLO

O método de simulação de Monte Carlo é definido como a designação geral

para simulação estocástica usando números aleatórios. Fundamentalmente, o método
está baseado na realização de séries de experimentos, estimando os índices ao
simular o processo real e o comportamento aleatório de um sistema (BILLINTON; LI,
 23

1994). Aplicações de técnicas de Monte Carlo podem ser encontradas em diversos

campos de estudo, como por exemplo em cálculos matemáticos complexos,
simulação de processos estocásticos e avaliação de confiabilidade.
Pode-se categorizar os métodos de simulação de Monte Carlo em sequencial,
não-sequencial e pseudo-sequencial, sendo a última uma combinação das duas
primeiras vertentes (SILVA et al., 2005). A determinação do método adequado ao
propósito específico de um estudo está diretamente relacionada à relevância da
cronologia dos eventos no caso em análise (BILLINTON; ALLAN, 1992).
A incerteza na estimativa de Monte Carlo é demonstrada pelo coeficiente de
variação 𝛽. A obtenção do coeficiente permite verificar a convergência do processo
de simulação (RUBINSTEIN; KROESE, 2008). Sendo 𝐻 uma função teste adequada
a um índice de confiabilidade qualquer, 𝑉𝑎𝑟[𝐸[𝐻(𝑋)]] a variância da esperança dos
índices, 𝐸̃ [𝐻(𝑋)] a estimativa de um índice através da esperança matemática de 𝐻, e
𝑁𝑠 o número de amostras, pode-se calcular 𝛽 como segue:

√𝑉𝑎𝑟[𝐸[𝐻(𝑿)]]/𝑁𝑠
𝛽= (20)
𝐸̃ [𝐻(𝑿)]

As abordagens não sequencial e sequencial do método de Monte Carlo são

apresentadas na sequência.

2.3.1 Método de Monte Carlo Não Sequencial

A simulação de Monte Carlo não-sequencial é uma alternativa para estimar

índices de confiabilidade que amostra cenários independentes, onde não há
relevância em quando aconteceram. Os estados são avaliados desconsiderando-se
qualquer possível conexão cronológica entre os mesmos.
A equação (21) define matematicamente a esperança de uma função teste 𝐻
dada em espaço de estados/cenários para o sistema:

𝑁𝑠
1 (21)
𝐸̃ [𝐻(𝑿)] = ∑ 𝐻(𝑥𝑖 )
𝑁𝑠
𝑖=1
 24

onde 𝑥𝑖 é uma amostra do estado do sistema, 𝐻(𝑥𝑖 ) a transformação através da

função de teste 𝐻 do estado do sistema 𝑥𝑖 , 𝑁𝑠 é o número de amostras e 𝐸̃ [𝐻(𝑿)] a
estimação do índice de confiabilidade representado por 𝐻.
O algoritmo do método de simulação de Monte Carlo não sequencial (DOS
SANTOS, 2016) é mostrado a seguir.

Seja Nsmáx o número máximo de amostras a serem simuladas e Ns = 0.

1. Atualizar o número de amostras: 𝑁𝑠 ← 𝑁𝑠 + 1;

2. Sortear um estado do sistema a partir das funções de distribuição de
probabilidade de falha dos componentes e da carga;
3. Avaliar o estado do sistema;
4. Atualizar os valores das funções teste e índices de confiabilidade de acordo
com a equação (21);
5. Atualizar os coeficientes de variação 𝛽 de acordo com a equação (20);
6. Se 𝑁𝑠 = 𝑁𝑠𝑚á𝑥 ou se os coeficientes de variação são inferiores a uma
tolerância especificada, parar a simulação; senão voltar ao Passo 1;

2.3.2 Método de Monte Carlo Sequencial

A simulação de Monte Carlo sequencial atenta-se a cronologia dos eventos,

criando uma espécie de linha do tempo. Isto significa que duas amostras de estados
sistêmicos consecutivos diferem entre si somente por um componente que apresenta
estado diferente. A abordagem sequencial baseia-se na amostragem da distribuição
de probabilidade da duração do estado do componente. Essa característica o torna
um método particularmente interessante para a análise da confiabilidade de redes de
distribuição.
Pode-se observar que o método sequencial simula o processo estocástico da
operação do sistema através do uso de suas distribuições de probabilidades,
associadas ao tempo médio de falha e ao tempo médio de reparo de cada componente
do sistema.
A equação (22) nos dá a estimação dos índices de confiabilidade:
 25

𝑁𝑦
1 𝑆𝑖
𝐸̃ [𝐻(𝑿)] = ∑ 𝐻({𝑥𝑛 }𝑛=1 ) (22)
𝑁𝑦
𝑖=1

𝑆𝑖
onde {𝑥𝑛 }𝑛=1 = {𝑥1 , … , 𝑥𝑆𝑖 } é a sequência dos estados do sistema durante o período 𝑖,
𝑆𝑖 é o número de estados do período 𝑖 e 𝑁𝑦 é o número de períodos simulados.
O algoritmo do método de simulação de Monte Carlo sequencial (DOS
SANTOS, 2016) é mostrado a seguir:

Sendo 𝑁𝑦𝑚á𝑥 o número máximo de anos a ser simulado, ℎ = 0 o instante de tempo

inicial do relógio fictício, 𝑁𝑦 = 1 e 𝑇 = 8760 h.

1. Inicializar os estados dos componentes e carga;

2. Amostrar o tempo de permanência dos componentes nestes estados de
acordo com uma distribuição de probabilidade acumulada de falha/reparo;
3. Identificar o instante da próxima transição de estado e efetuar a transição do
componente ou patamar de carga correspondente; atualizar ℎ com o instante
de transição;
4. Avaliar o estado do sistema:
5. Atualizar os valores das funções teste;
6. Se ℎ = 8760 h, atualizar os índices de confiabilidade de acordo com (22);
senão voltar ao Passo 2;
7. Atualizar os coeficientes de variação 𝛽 de acordo com (20);
8. Se 𝑁𝑦 = 𝑁𝑦𝑚á𝑥 ou se os coeficientes de variação são inferiores a uma
tolerância especificada, parar a simulação; senão 𝑁𝑦 = 𝑁𝑦 + 1, ℎ = 0 e
retornar ao Passo 2.

2.4 CONSIDERAÇÕES FINAIS

Este capítulo contém detalhes sobre a avaliação de confiabilidade em

sistemas de distribuição. Apresentam-se conceitos fundamentais como níveis
hierárquicos além da definição de taxa de falha, duração da interrupção e tempo médio
 26

de interrupção. Ademais, são descritos os métodos de avaliação de confiabilidade

analíticos e por simulação, dentro deste último detalhando especialmente o método
de avaliação de Monte Carlo com suas vertentes não sequencial e sequencial. Por
sua capacidade de representação de cronologia de eventos dentro de um ano, a
abordagem sequencial foi escolhida com o fim de estimar indicadores exclusivos ao
contexto brasileiro, como o DMIC.
O próximo capítulo apresenta em detalhe a metodologia baseada na
abordagem analítica aplicada ao problema de avaliação de confiabilidade de redes de
distribuição.
 27

3 METODOLOGIA ANALÍTICA PARA A AVALIAÇÃO DE

CONFIABILIDADE DE REDES DE DISTRIBUIÇÃO

Neste capítulo é demonstrada e desenvolvida a metodologia analítica para

análise de confiabilidade de redes de distribuição. A seção 3.1 elucida a metodologia,
o procedimento utilizado para obtenção de resultados analíticos e o desenvolvimento
do algoritmo. Na seção 3.2 encontram-se os resultados preliminares obtidos a partir
da abordagem analítica para um sistema teste e a verificação de conformidade dos
valores com a teoria e referencial bibliográfico. A seção 3.3 aborda as considerações
finais do capítulo.

3.1 DESCRIÇÃO DA METODOLOGIA

A análise de confiabilidade de um sistema de distribuição requer o emprego

de técnicas de análise distintas, que variam de acordo com a topologia do sistema
estudado. Os três parâmetros básicos utilizados na investigação de confiabilidade de
uma rede são a taxa de falha 𝜆 de um componente [int./ano], indisponibilidade anual
do serviço U [h/ano] e duração da interrupção r [horas].
De forma geral, pode-se definir uma rede a partir de seus diferentes
componentes, os quais são arranjados de diferentes formas, desde ligados entre si
em série, paralelo, malha ou uma combinação destes. Conceitos como associação
série e paralelo, que no âmbito da confiabilidade são empregados analogamente a
sua definição em circuitos elétricos, possuem importância devido a seu caráter básico
na representação da topologia de redes de distribuição. Se para o funcionamento de
um sistema é necessário que todos os componentes estejam operando
simultaneamente, o sistema pode ser definido como um sistema série, conforme
exposto no Capítulo 2. Caso o sistema somente necessite que um de seus
componentes esteja operando, pode ser definido como um sistema paralelo.
Examinando do ponto de vista da falha, um sistema série necessita que apenas um
componente falhe para que o sistema falhe, enquanto em um sistema paralelo
somente a falha em todos os componentes implica na falha do sistema (BILLINTON;
ALLAN, 1992).
A partir do princípio de associação série e a equação (19) pode-se deduzir a
 28

taxa de falha em cada ponto do sistema como o somatório das taxas de falha
individuais de cada componente que impacta diretamente na falha do ponto
(BILLINTON; ALLAN, 1984). A equação (23) elucida tal cálculo.

𝑛
(23)
𝜆𝑠 = ∑ 𝜆𝑖
𝑖=1

onde 𝜆𝑠 equivale a taxa de falha do ponto e 𝜆𝑖 representa a taxa de falha de cada

componente.
Analogamente, obtém-se a indisponibilidade de cada ponto através da
equação (24).

𝑛
(24)
𝑈𝑠 = ∑ 𝜆 𝑖 × 𝑟 𝑖
𝑖=1

onde 𝑟𝑖 é o tempo de restabelecimento médio de cada componente.

Dessa forma, o tempo médio de interrupção em cada ponto pode ser definido
através da equação (25).

𝑈𝑠 ∑𝑖 𝜆𝑖 𝑟𝑖 (25)
𝑟𝑠 = =
𝜆𝑠 ∑𝑖 𝜆𝑖
Segundo esses conceitos, é possível calcular os índices de confiabilidade do
sistema, conforme equações (1)–(14).
A despeito da simplicidade do equacionamento apresentado, enfatiza-se que
a determinação dos componentes que impactam na falha do ponto é não trivial. Para
fins composição de exemplo e de validação de metodologias, considere o sistema
teste radial representado na Figura 4.

Figura 4 - Rede de distribuição radial com chaves (seccionadoras) e fusíveis em ramais laterais

Fonte: Adaptado de Billinton e Allan (1984).

 29

O sistema em questão possui nove nós com quatro linhas de distribuição

representando o tronco principal do alimentador e com quatro distribuidores laterais
conduzindo energia a um total de três mil consumidores, sendo mil no ponto de carga
A, oitocentos no ponto B, setecentos no ponto C e quinhentos no ponto D, conforme
Tabela 1.

Tabela 1 - Número de Consumidores e Carga Conectada ao sistema da Figura 4

Ponto de Carga Número de Consumidores Carga Média (kW)

A 1000 5000
B 800 4000
C 700 3000
D 500 2000

Fonte: Adaptado de Billinton e Allan (1984).

Os parâmetros de confiabilidade para o sistema da Figura 4 são mostrados

na Tabela 2.

Tabela 2 - Parâmetros de Confiabilidade do Sistema da Figura 4

Comprimento 𝝀 r
Componente
(km) (falhas/ano) (horas)
Seção 1 2 0,2 4
Seção 2 1 0,1 4
Seção 3 3 0,3 4
Seção 4 2 0,2 4
Distribuidor a 1 0,2 2
Distribuidor b 3 0,6 2
Distribuidor c 2 0,4 2
Distribuidor d 1 0,2 2

Fonte: Adaptado de Billinton e Allan (1984).

Foram considerados quatro casos como objeto do estudo de confiabilidade.

O primeiro caso consiste em um sistema protegido somente por um disjuntor na saída
do alimentador. No segundo, por um disjuntor e com fusíveis nos distribuidores
laterais. No terceiro o sistema é protegido por disjuntor, fusíveis nos distribuidores
laterais e seccionadoras no tronco do alimentador. Por fim, um quarto caso é
considerado onde as proteções são formadas pelo disjuntor, fusíveis, seccionadora, e
ainda uma alimentação alternativa ao fim do tronco, utilizando assim todos os recursos
explicitados no sistema teste.
Para o Caso 1, um curto circuito em qualquer ponto do sistema acarreta em
 30

um sinal de abertura no disjuntor. Como não há pontos em que o sistema possa ser
isolado, as falhas precisam ser reparadas para depois ser religado o disjuntor. Dessa
forma, falhas em qualquer componente devem causar interrupções de serviço em
todos os pontos consumidores. Com base neste raciocínio, os indicadores de
confiabilidade dos pontos de carga são idênticos, e podem ser calculados como
segue:

𝑖𝑛𝑡.
𝜆𝐴 = 0,2 + 0,1 + 0,3 + 0,2 + 0,2 + 0,6 + 0,4 + 0,2 = 2,2
𝑎𝑛𝑜
ℎ
𝑈𝐴 = 0,8 + 0,4 + 1,2 + 0,8 + 0,4 + 1,2 + 0,8 + 0,4 = 6,0
𝑎𝑛𝑜
6,0
𝑟𝐴 = = 2,73 ℎ
2,2

Os índices de confiabilidade para todos os casos são obtidos segundo as

equações (1)-(14), assim os índices para o Caso 1 são apresentados na Tabela 3.

Tabela 3 - Índices de confiabilidade do sistema para o Caso 1

Índices do Sistema Caso 1

SAIFI 2,2
SAIDI 6,0
CAIDI 2,73
ASAI 0,999315
ASUI 0,000685
ENS 84.000
AENS 28,0

Fonte: Adaptado de Billinton e Allan (1984).

Para o Caso 2, foram considerados fusíveis instalados nos distribuidores

laterais a, b, c e d. Sendo assim, se um curto circuito ocorrer nos distribuidores, o
fusível apropriado irá isolar a falta provocando a desconexão do ponto de carga sem
afetar qualquer outro ponto. Os índices de confiabilidade são melhorados em relação
ao Caso 1, sendo que esta melhoria é diferenciada para cada ponto. Nota-se que o
ponto de carga B é o menos confiável, devido a um efeito dominante das falhas neste
distribuidor. Os índices para os pontos de carga neste caso podem ser calculados
como segue:
 31

𝑖𝑛𝑡.
𝜆𝐴 = 0,2 + 0,1 + 0,3 + 0,2 + 0,2 = 1,0
𝑎𝑛𝑜

ℎ𝑜𝑟𝑎𝑠
𝑈𝐴 = 0,8 + 0,4 + 1,2 + 0,8 + 0,4 = 3,6
𝑎𝑛𝑜

3,6
𝑟𝐴 = = 3,6 ℎ𝑜𝑟𝑎𝑠
1,0

𝑖𝑛𝑡.
𝜆𝐵 = 0,2 + 0,1 + 0,3 + 0,2 + 0,6 = 1,4
𝑎𝑛𝑜

ℎ𝑜𝑟𝑎𝑠
𝑈𝐵 = 0,8 + 0,4 + 1,2 + 0,8 + 1,2 = 4,4
𝑎𝑛𝑜

4,4
𝑟𝐵 = = 3,14 ℎ𝑜𝑟𝑎𝑠
1,4

𝑖𝑛𝑡.
𝜆𝐶 = 0,2 + 0,1 + 0,3 + 0,2 + 0,4 = 1,2
𝑎𝑛𝑜

ℎ𝑜𝑟𝑎𝑠
𝑈𝐶 = 0,8 + 0,4 + 1,2 + 0,8 + 0,8 = 4,0
𝑎𝑛𝑜

4,0
𝑟𝐶 = = 3,33 ℎ𝑜𝑟𝑎𝑠
1,2

𝑖𝑛𝑡.
𝜆𝐷 = 0,2 + 0,1 + 0,3 + 0,2 + 0,2 = 1,0
𝑎𝑛𝑜

ℎ𝑜𝑟𝑎𝑠
𝑈𝐷 = 0,8 + 0,4 + 1,2 + 0,8 + 0,4 = 3,6
𝑎𝑛𝑜

3,6
𝑟𝐷 = = 3,6 ℎ𝑜𝑟𝑎𝑠
1,0

Os índices de confiabilidade para o Caso 2 são apresentados na Tabela 4.

 32

Tabela 4 - Índices de confiabilidade do sistema para o Caso 2

Índices do Sistema Caso 2

SAIFI 1,15
SAIDI 3,91
CAIDI 3,39
ASAI 0,999554
ASUI 0,000446
ENS 54.800
AENS 18,3

Fonte: Adaptado de Billinton e Allan (1984).

Para o Caso 3, foram consideradas seccionadoras ao longo do alimentador

principal. Um curto circuito em qualquer componente do tronco do alimentador ainda
deve acarretar a abertura do disjuntor principal. Após a detecção do local onde
aconteceu a falha, pode-se abrir a seccionadora para isolar a parte em falha e religar
o disjuntor principal reestabelecendo os pontos de carga entre o ponto de alimentação
e o ponto de isolamento, mesmo antes da falha ser reparada. Os índices de
confiabilidade são melhorados para os pontos de carga A, B e C sendo esta melhoria
maior para os pontos mais próximos do ponto de abastecimento. O ponto de carga D
não sofre melhoria pois o isolamento não remove o efeito de qualquer falha neste
ponto. Considerando como r = 0,5 horas o tempo total de isolamento e comutação da
chave seccionadora, os índices dos pontos de carga para este caso podem ser
calculados como segue:

𝑖𝑛𝑡.
𝜆𝐴 = 0,2 + 0,1 + 0,3 + 0,2 + 0,2 = 1,0
𝑎𝑛𝑜

ℎ𝑜𝑟𝑎𝑠
𝑈𝐴 = 0,8 + 0,05 + 0,15 + 0,1 + 0,4 = 1,5
𝑎𝑛𝑜

1,5
𝑟𝐴 = = 1,5 ℎ𝑜𝑟𝑎𝑠
1,0

𝑖𝑛𝑡.
𝜆𝐵 = 0,2 + 0,1 + 0,3 + 0,2 + 0,6 = 1,4
𝑎𝑛𝑜
 33

ℎ𝑜𝑟𝑎𝑠
𝑈𝐵 = 0,8 + 0,4 + 0,15 + 0,1 + 1,2 = 2,65
𝑎𝑛𝑜

2,65
𝑟𝐵 = = 1,89 ℎ𝑜𝑟𝑎𝑠
1,4

𝑖𝑛𝑡.
𝜆𝐶 = 0,2 + 0,1 + 0,3 + 0,2 + 0,4 = 1,2
𝑎𝑛𝑜

ℎ𝑜𝑟𝑎𝑠
𝑈𝐶 = 0,8 + 0,4 + 1,2 + 0,1 + 0,8 = 3,3
𝑎𝑛𝑜

3,3
𝑟𝐶 = = 2,75 ℎ𝑜𝑟𝑎𝑠
1,2

𝑖𝑛𝑡.
𝜆𝐷 = 0,2 + 0,1 + 0,3 + 0,2 + 0,2 = 1,0
𝑎𝑛𝑜

ℎ𝑜𝑟𝑎𝑠
𝑈𝐷 = 0,8 + 0,4 + 1,2 + 0,8 + 0,4 = 3,6
𝑎𝑛𝑜

3,6
𝑟𝐷 = = 3,6 ℎ𝑜𝑟𝑎𝑠
1,0

Os índices de confiabilidade para o Caso 3 são apresentados na Tabela 5.

Tabela 5 - Índices de confiabilidade do sistema para o Caso 3

Índices do Sistema Caso 3

SAIFI 1,15
SAIDI 2,58
CAIDI 2,23
ASAI 0,999706
ASUI 0,000294
ENS 35.200
AENS 11,7

Fonte: Adaptado de Billinton e Allan (1984).

Para o Caso 4, uma alimentação alternativa é considerada no ponto

normalmente aberto conectado a seção de alimentação 4. Sistemas de distribuição
 34

com topologia fracamente malhada têm pontos abertos para que se possam operá-
los como um sistema radial, e em caso de falha uma alimentação alternativa pode
entrar em operação e recuperar parte da carga desconectada. Dessa forma, com
estes pontos abertos, as cargas que ficariam desconectadas podem ser transferidas
para outra parte do sistema. Tal procedimento tem um efeito marcante nos índices de
confiabilidade. Os maiores efeitos aparecem nos pontos de carga mais próximos do
ponto de transferência normalmente aberto e mais longe do ponto de alimentação. Os
índices de ponto de carga para este caso podem ser calculados como segue:

𝑖𝑛𝑡.
𝜆𝐴 = 0,2 + 0,1 + 0,3 + 0,2 + 0,2 = 1,0
𝑎𝑛𝑜

ℎ𝑜𝑟𝑎𝑠
𝑈𝐴 = 0,8 + 0,05 + 0,15 + 0,1 + 0,4 = 1,5
𝑎𝑛𝑜

1,5
𝑟𝐴 = = 1,5 ℎ𝑜𝑟𝑎𝑠
1,0

𝑖𝑛𝑡.
𝜆𝐵 = 0,2 + 0,1 + 0,3 + 0,2 + 0,6 = 1,4
𝑎𝑛𝑜

ℎ𝑜𝑟𝑎𝑠
𝑈𝐵 = 0,1 + 0,4 + 0,15 + 0,1 + 1,2 = 1,95
𝑎𝑛𝑜

1,95
𝑟𝐵 = = 1,39 ℎ𝑜𝑟𝑎𝑠
1,4

𝑖𝑛𝑡.
𝜆𝐶 = 0,2 + 0,1 + 0,3 + 0,2 + 0,4 = 1,2
𝑎𝑛𝑜

ℎ𝑜𝑟𝑎𝑠
𝑈𝐶 = 0,1 + 0,05 + 1,2 + 0,1 + 0,8 = 2,25
𝑎𝑛𝑜

2,25
𝑟𝐶 = = 1,88 ℎ𝑜𝑟𝑎𝑠
1,2
 35

𝑖𝑛𝑡.
𝜆𝐷 = 0,2 + 0,1 + 0,3 + 0,2 + 0,2 = 1,0
𝑎𝑛𝑜

ℎ𝑜𝑟𝑎𝑠
𝑈𝐷 = 0,1 + 0,05 + 0,15 + 0,8 + 0,4 = 1,5
𝑎𝑛𝑜

1,5
𝑟𝐷 = = 1,5 ℎ𝑜𝑟𝑎𝑠
1,0

Os índices de confiabilidade para o Caso 4 são apresentados na Tabela 6.

Tabela 6 - Índices de confiabilidade do sistema para o Caso 4

Índices do Sistema Caso 4

SAIFI 1,15
SAIDI 1,80
CAIDI 1,56
ASAI 0,999795
ASUI 0,000205
ENS 25.100
AENS 8,4

Fonte: Adaptado de Billinton e Allan (1984).

Após o estudo de confiabilidade do sistema teste, um algoritmo foi

desenvolvido com o fim de sistematizar os cálculos dos indicadores de confiabilidade
mediante a presença de disjuntores, chaves fusível, seccionadoras e chave de seção
para alimentação alternativa. O algoritmo foi implementado em ambiente MATLAB
para fins de resolução automática do problema em análise. Para a execução do
software, foi necessário incluir as informações referentes à rede do problema
estudado na forma de uma matriz de informações onde foram incluídos os dados
referentes a cada componente do sistema.
Para que fossem melhores identificados os nós e os ramais de alimentação
usando recursos computacionais, utilizou-se uma lógica matricial onde cada linha da
matriz apresenta códigos correspondentes aos equipamentos encontrados entre dois
pontos/nós específicos da rede. Estabelecer esses pontos, nós elétricos, possibilitou
delimitar pequenos trechos da rede para uma melhor interpretação dos eventos e suas
consequências nos pontos de carga. A delimitação de trechos foi feita determinando-
se uma coluna para definir o nó de origem de cada ramo e uma outra definindo seu
 36

nó terminal.
Para fins de implementação, foi necessária a utilização de uma matriz auxiliar
denominada matriz de alcance na qual cada elemento 𝑅𝑖𝑗 desta matriz é igual a 1 se
a partir do nó da linha i se consegue chegar ao nó da coluna j, independentemente do
número de passos necessários (SPERANDIO, 2008). Trata-se de um instrumento
eficiente, pois possibilita se determinar onde um certo equipamento, seja de manobra
ou proteção, terá influência em uma falha no alimentador.
Considerando o primeiro caso, para cada componente, identifica-se o
instrumento de proteção correspondente e busca-se na matriz de alcance quais são
os nós desconectados caso a falha tenha se originado no componente. A taxa de falha
dos nós é incrementada com a taxa de falha do componente. Similarmente, a
indisponibilidade de cada nó é incrementada com o produto da taxa de falha e tempo
médio de reparo do componente.
O segundo caso é análogo ao primeiro, diferenciando-se apenas pela
consideração de fusíveis como instrumentos de proteção além do disjuntor. Isso
implica que serão modificadas as taxas de falha e consequentemente a
indisponibilidade nos pontos, já que os nós desconectados pelos fusíveis afetam os
distribuidores laterais.
Para o terceiro caso, ao se considerar também as seccionadoras ao longo do
alimentador principal, juntamente com o disjuntor e os fusíveis nos distribuidores
laterais, há de se considerar o impacto da abertura da seccionadora na avaliação. Em
caso de não abertura da seccionadora, o procedimento de cálculo será o mesmo
utilizado no caso anterior. Com a abertura da seccionadora, leva-se em consideração
seu tempo de abertura e isolação para que, através do produto entre este tempo e a
taxa de falha, seja obtida a indisponibilidade dos pontos.
No quarto caso leva-se em conta uma alimentação alternativa. Com isso, é
adicionado ao cálculo da indisponibilidade essa contribuição adicional fornecida pela
conexão de uma alimentação alternativa ao caso anterior. A taxa de falha dos nós
segue sendo incrementada com a taxa de falha do componente.
Com a taxa de falha e indisponibilidade de cada ponto de carga, para cada
caso, calcula-se os indicadores sistêmicos conforme equações (1)-(14). O
pseudocódigo a seguir descreve o algoritmo implementado:
 37

1. Leitura de dados;
2. Definir a matriz de alcance para análise dos instrumentos de proteção;
3. Inicializar variáveis vetoriais 𝑼𝒑𝒐𝒏𝒕𝒐 e 𝝀𝒑𝒐𝒏𝒕𝒐 , onde a posição indica a
indisponibilidade e taxa de falha de cada ponto, respectivamente;
4. Definir o caso a ser avaliado;
5. Para cada componente/linha:
- Buscar a taxa de falha 𝜆𝐿𝑇 do componente na matriz de dados;
Se caso 1:
• Buscar protetor na matriz de dados;
• Buscar o vetor de indicadores de barras desconectadas pela falta bd
através da matriz de alcance;
• Buscar o tempo médio de reparo 𝑟𝐿𝑇 do componente na matriz de dados;
• Calcular a indisponibilidade 𝑈𝐿𝑇 = 𝜆𝐿𝑇 × 𝑟𝐿𝑇 , e atualizar indicadores de
ponto como segue:

𝝀𝒑𝒐𝒏𝒕𝒐 = 𝝀𝒑𝒐𝒏𝒕𝒐 + 𝒃𝒅 × 𝜆𝐿𝑇

𝑼𝒑𝒐𝒏𝒕𝒐 = 𝑼𝒑𝒐𝒏𝒕𝒐 + 𝒃𝒅 × 𝑈𝐿𝑇

Se caso 2:
• Buscar protetor na matriz de dados;
• Buscar o vetor de indicadores de barras desconectadas pela falta bd
através da matriz de alcance;
• Buscar o tempo médio de reparo 𝑟𝐿𝑇 do componente na matriz de dados;
• Calcular a indisponibilidade 𝑈𝐿𝑇 = 𝜆𝐿𝑇 × 𝑟𝐿𝑇 , e atualizar indicadores de
ponto como segue:

𝝀𝒑𝒐𝒏𝒕𝒐 = 𝝀𝒑𝒐𝒏𝒕𝒐 + 𝒃𝒅 × 𝜆𝐿𝑇

𝑼𝒑𝒐𝒏𝒕𝒐 = 𝑼𝒑𝒐𝒏𝒕𝒐 + 𝒃𝒅 × 𝑈𝐿𝑇

Se caso 3:
• Buscar protetor na matriz de dados;
• Buscar o vetor de indicadores de barras desconectadas pela falta bd
 38

através da matriz de alcance;

• Se a falha não implica em abertura da seccionadora:
a. Buscar o tempo médio de reparo 𝑟𝐿𝑇 do componente;
b. Calcular a indisponibilidade 𝑈𝐿𝑇 = 𝜆𝐿𝑇 × 𝑟𝐿𝑇 e atualizar
indicadores de ponto como segue:

𝝀𝒑𝒐𝒏𝒕𝒐 = 𝝀𝒑𝒐𝒏𝒕𝒐 + 𝒃𝒅 × 𝜆𝐿𝑇

𝑼𝒑𝒐𝒏𝒕𝒐 = 𝑼𝒑𝒐𝒏𝒕𝒐 + 𝒃𝒅 × 𝑈𝐿𝑇

• Se a falha implica em abertura da seccionadora:

a. Buscar o vetor de barras desconectadas pela seccionadora bds
através da matriz de alcance;
b. Buscar o tempo médio de reparo 𝑟𝐿𝑇 do componente;
c. Calcular a indisponibilidade 𝑈𝐿𝑇 = 𝜆𝐿𝑇 × 𝑟𝐿𝑇 ;
d. Busca r referente à seccionadora (𝑟𝑠𝑒𝑐 = 0,5 ℎ𝑜𝑟𝑎𝑠);
e. Calcular a indisponibilidade 𝑈𝑠𝑒𝑐 = 𝜆𝐿𝑇 × 𝑟𝑠𝑒𝑐 ;
f. Atualizar os indicadores de cada ponto usando as equações;

𝝀𝒑𝒐𝒏𝒕𝒐 = 𝝀𝒑𝒐𝒏𝒕𝒐 + 𝒃𝒅 × 𝜆𝐿𝑇

𝑼𝒑𝒐𝒏𝒕𝒐 = 𝑼𝒑𝒐𝒏𝒕𝒐 + 𝒃𝒅𝒔 × 𝑈𝐿𝑇 + (𝒃𝒅 − 𝒃𝒅𝒔) × 𝑈𝑠𝑒𝑐

Se caso 4:
• Buscar protetor na matriz de dados;
• Buscar o vetor de barras desconectadas bd pela falta através da matriz
de alcance;
• Se a falha não implica em acionamento da seccionadora e da
alimentação alternativa:
a. Buscar o tempo médio de reparo rLT do componente;
b. Calcular a indisponibilidade 𝑈𝐿𝑇 = 𝜆𝐿𝑇 × 𝑟𝐿𝑇 e atualizar
indicadores de ponto;

𝝀𝒑𝒐𝒏𝒕𝒐 = 𝝀𝒑𝒐𝒏𝒕𝒐 + 𝒃𝒅 × 𝜆𝐿𝑇

 39

𝑼𝒑𝒐𝒏𝒕𝒐 = 𝑼𝒑𝒐𝒏𝒕𝒐 + 𝒃𝒅 × 𝑈𝐿𝑇

• Se a falha implica em acionamento da seccionadora e da

alimentação alternativa:
a. Se existe abertura da seccionadora: Buscar as barras
desconectadas pela seccionadora bds através da matriz de
alcance; caso contrário, bds é vetor de zeros;
b. Se acionamento da alimentação alternativa: Buscar as barras bda
que serão supridas pela alimentação alternativa através da matriz
de alcance; caso não haja acionamento da alimentação
alternativa: bda é vetor de zeros;
c. Buscar o tempo médio de reparo rLT do componente;
d. Calcular a indisponibilidade 𝑈𝐿𝑇 = 𝜆𝐿𝑇 × 𝑟𝐿𝑇 ;
e. Busca r referente à seccionadora (𝑟𝑠𝑒𝑐 = 0,5 ℎ𝑜𝑟𝑎𝑠);
f. Calcular a indisponibilidade 𝑈𝑠𝑒𝑐 = 𝜆𝐿𝑇 × 𝑟𝑠𝑒𝑐 ;
g. Busca r referente à alimentação alternativa (𝑟𝑎𝑙𝑖𝑚_𝑎𝑙𝑡 = 0,5 ℎ𝑜𝑟𝑎𝑠);
h. Calcular a indisponibilidade 𝑈𝑎𝑙𝑖𝑚_𝑎𝑙𝑡 = 𝜆𝐿𝑇 × 𝑟𝑎𝑙𝑖𝑚_𝑎𝑙𝑡 ;
i. Atualizar valores de cada ponto com sua contribuição;

𝝀𝒑𝒐𝒏𝒕𝒐 = 𝝀𝒑𝒐𝒏𝒕𝒐 + 𝒃𝒅 × 𝜆𝐿𝑇

𝑼𝒑𝒐𝒏𝒕𝒐 = 𝑼𝒑𝒐𝒏𝒕𝒐 + (𝒃𝒅 − 𝒃𝒅𝒔) × 𝑈𝑠𝑒𝑐 + (𝒃𝒅𝒔 − 𝒃𝒅𝒂) × 𝑈𝐿𝑇 + 𝒃𝒅𝒂 × 𝑈𝑎𝑙𝑖𝑚_𝑎𝑙𝑡

6. Aplicar equações (1)-(14) para o cálculo dos indicadores sistêmicos SAIFI,

SAIDI, CAIDI, ASAI, ASUI, ENS e AENS.

A partir dos cálculos analíticos e validação computacional da metodologia de

cálculo através do código desenvolvido, índices de confiabilidade foram estimados,
possibilitando a estimação automática dos índices de confiabilidade. Entretanto, a
metodologia analítica não é artifício exclusivo para a determinação destes índices.
 40

3.2 RESULTADOS NUMÉRICOS

Os resultados da taxa de falha 𝜆 [int./ano], duração média de interrupção r [h]

e indisponibilidade anual do serviço U [h/ano] dos pontos de carga obtidos na
bibliografia para o sistema de estudo (BILLINTON; ALLAN, 1984) estão dispostos na
Tabela 7.

Tabela 7 - Taxa de falha, duração da interrupção e indisponibilidade anual do serviço nos

pontos de carga em cada caso

Caso 1 Caso 2 Caso 3 Caso 4

Ponto de carga A
𝜆 2,2 1,0 1,0 1,0
𝑟 2,73 3,6 1,5 1,5
𝑈 6,0 3,6 1,5 1,5
Ponto de carga B
𝜆 2,2 1,4 1,4 1,4
𝑟 2,73 3,14 1,89 1,39
𝑈 6,0 4,4 2,65 1,95
Ponto de carga C
𝜆 2,2 1,2 1,2 1,2
𝑟 2,73 3,33 2,75 1,88
𝑈 6,0 4,0 3,3 2,25
Ponto de carga D
𝜆 2,2 1,0 1,0 1,0
𝑟 2,73 3,6 3,6 1,5
𝑈 6,0 3,6 3,6 1,5

Fonte: Adaptado de Billinton e Allan (1984).

Depois da estruturação de algoritmos para a análise da confiabilidade de um

sistema utilizando a metodologia analítica, pode-se aplicá-la à rede teste apresentada
neste capítulo. Por meio da implementação do algoritmo analítico no software
MATLAB, foram obtidos índices para a avaliação da rede.
Com o objetivo de validação do algoritmo apresentado, os índices obtidos na
bibliografia (BILLINTON; ALLAN, 1984) foram dispostos em conjunto com índices
obtidos no programa implementado para que pudessem ser comparados. Os
resultados de cada caso podem ser encontrados da Tabela 8 a Tabela 11.
 41

Tabela 8 - Validação dos índices de confiabilidade analíticos - Caso 1

Resultados
Resultados
Índice (BILLINTON; Erro [%]
simulação
ALLAN, 1984)

SAIFI 2,2 2,2000 0,00000

SAIDI 6,0 6,0000 0,00000

CAIDI 2,73 2,7273 0,09890

ASAI 0,999315 0,9993 0,00150

ASUI 0,000685 0,00068493 0,01022

ENS 84.000 84.000 0,00000

AENS 28,0 28,0000 0,00000

Fonte: Autoria própria (2017).

Tabela 9 - Validação dos índices de confiabilidade analíticos - Caso 2

Resultados
Resultados
Índice (BILLINTON; Erro [%]
simulação
ALLAN, 1984)

SAIFI 1,15 1,1533 0,28696

SAIDI 3,91 3,9067 0,08440

CAIDI 3,39 3,3873 0,07965

ASAI 0,999554 0,9996 0,00460

ASUI 0,000446 0,00044597 0,00673

ENS 54.800 54.800 0,00000

AENS 18,3 18,2667 0,18197

Fonte: Autoria própria (2017).

Tabela 10 - Validação dos índices de confiabilidade analíticos - Caso 3

Resultados
Resultados
Índice (BILLINTON; Erro [%]
simulação
ALLAN, 1984)

SAIFI 1,15 1,1533 0,2870

SAIDI 2,58 2,5767 0,1279

CAIDI 2,23 2,2341 0,1839

 42

Resultados
Resultados
Índice (BILLINTON; Erro [%]
simulação
ALLAN, 1984)

ASAI 0,999706 0,9997 0,0006

ASUI 0,000294 0,00029414 0,0476

ENS 35.200 35.200 0,0000

AENS 11,7 11,7333 0,2846

Fonte: Autoria própria (2017).

Tabela 11 - Validação dos índices de confiabilidade analíticos - Caso 4

Resultados
Resultados
Índice (BILLINTON; Erro [%]
simulação
ALLAN, 1984)

SAIFI 1,15 1,1533 0,2870

SAIDI 1,80 1,7950 0,2778

CAIDI 1,56 1,5564 0,2308

ASAI 0,999795 0,9998 0,0005

ASUI 0,000205 0,00020491 0,0439

ENS 25.100 25.050 0,1992

AENS 8,4 8,3500 0,5952

Fonte: Autoria própria (2017).

A pequena diferença entre os valores esperados e obtidos foi prevista e é

atribuída a arredondamentos e o número casas decimais utilizados na bibliografia.
Portanto, a partir dos resultados expostos pode-se assumir que o método analítico
implementado apresenta como solução os resultados esperados.

3.3 CONSIDERAÇÕES FINAIS

Foram explanados neste capítulo a teoria e principais conceitos da

metodologia analítica. Foi desenvolvido um algoritmo baseado no estudo das
equações de avaliação analítica de confiabilidade.
O capítulo a seguir aborda a metodologia de simulação de Monte Carlo
sequencial, implementação do método e validação de seus resultados com os
 43

resultados obtidos pelo método analítico. Por fim, verifica-se a viabilidade da aplicação
do método ao empregá-lo na análise de confiabilidade de uma rede real de uma
distribuidora brasileira.
 44

4 METODOLOGIA DE MONTE CARLO SEQUENCIAL PARA A

AVALIAÇÃO DE CONFIABILIDADE DE REDES DE DISTRIBUIÇÃO

O presente capítulo apresenta o método de Monte Carlo sequencial para

avaliação de confiabilidade de redes de distribuição. A seção 4.1 aborda a
metodologia de simulação de Monte Carlo sequencial e seu algoritmo para aplicação.
A seção 4.2 mostra os resultados numéricos obtidos através da implementação
computacional da metodologia proposta. Na seção 4.3 encontra-se descrita a rede de
distribuição real em estudo para aplicação do algoritmo desenvolvido e os índices
alcançados através da simulação. A seção 4.4 aborda as considerações finais.

4.1 DESCRIÇÃO DA METODOLOGIA

Um modelo utilizado para representar o comportamento estocástico do ciclo

falha/reparo de componentes é o modelo de Markov, conforme descrito no Capítulo
2. Deste modo o componente representado por este modelo, apresenta capacidade
máxima disponível quando em estado de sucesso e capacidade considerada nula em
estado de falha (DOS SANTOS, 2016).
Assumindo uma distribuição exponencial para a duração de permanência do
componente nestes estados, os tempos de permanência em estados de sucesso e
falha são definidos pelo método da transformação inversa (RUBINSTEIN; KROESE,
2008). A saber, pela equação (18) tem-se que

𝑅(𝑡) = 𝑒 −𝜆𝑡 (26)

sendo a distribuição acumulada de falha dada por

𝐹(𝑡) = 1 − 𝑅(𝑡) = 1 − 𝑒 −𝜆𝑡 (27)

Com o fim de cobrir o espaço amostral da distribuição acumulada de falha e obter

amostras de tempo T de residência no estado de sucesso, pode-se assumir um U
como um número aleatório seguindo uma distribuição uniforme no intervalo [0,1],
como segue:
 45

𝑈 = 1 − 𝑒 −𝜆𝑇 (28)

Por manipulação algébrica, a equação do tempo de permanência no estado de

sucesso pode ser escrita como:

1 (29)
𝑇𝑠𝑢𝑐𝑒𝑠𝑠𝑜 = − × ln 𝑈1
𝜆

sendo que analogamente tem-se o tempo de permanência no estado de falha dado

por:

1 (30)
𝑇𝑓𝑎𝑙ℎ𝑎 = − × ln 𝑈2
𝜇

onde 𝑇𝑠𝑢𝑐𝑒𝑠𝑠𝑜 é o tempo de permanência no estado de sucesso, 𝑇𝑓𝑎𝑙ℎ𝑎 é o tempo de

permanência no estado de falha, 𝑈1 e 𝑈2 são números aleatórios segundo uma
distribuição uniforme no intervalo [0,1].
Dessa forma, os passos do método de Monte Carlo sequencial (adaptado de
CALADO, 2015) para a avaliação de confiabilidade são enumerados a seguir:

1. Iniciar os estados dos componentes, nomeadamente no estado de sucesso;

2. Gerar uma duração no estado de sucesso ou falha para cada um dos
componentes pela equação (29)-(30);
3. Identificar o instante da próxima transição de estado e efetuar a transição do
componente ou patamar de carga correspondente; atualizar ℎ com o instante
de transição;
4. Avaliar o estado resultante do sistema de acordo com o caso em estudo;
5. Atualizar os valores das funções teste;

𝑁𝑖𝑛𝑡_𝑐𝑜𝑛𝑠 (𝑦𝑘 ) = 𝑁𝑖𝑛𝑡_𝑐𝑜𝑛𝑠 (𝑦𝑘 ) + 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑜𝑛𝑠𝑢𝑚𝑖𝑑𝑜𝑟𝑒𝑠 𝑎𝑓𝑒𝑡𝑎𝑑𝑜𝑠

𝐷𝑖𝑛𝑡_𝑐𝑜𝑛𝑠 (𝑦𝑘 ) = 𝐷𝑖𝑛𝑡_𝑐𝑜𝑛𝑠 (𝑦𝑘 ) + 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑜𝑛𝑠𝑢𝑚𝑖𝑑𝑜𝑟𝑒𝑠 𝑎𝑓𝑒𝑡𝑎𝑑𝑜𝑠 × 𝐷𝑢𝑟𝑎çã𝑜 𝑑𝑎 𝑖𝑛𝑡.

𝐸𝑖𝑛𝑡_𝑐𝑜𝑛𝑠 (𝑦𝑘 ) = 𝐸𝑖𝑛𝑡_𝑐𝑜𝑛𝑠 (𝑦𝑘 ) + 𝑃𝑜𝑡ê𝑛𝑐𝑖𝑎 𝑐𝑜𝑟𝑡𝑎𝑑𝑎 × 𝐷𝑢𝑟𝑎çã𝑜 𝑑𝑎 𝑖𝑛𝑡.

 46

6. Se ℎ = 8760 h, atualizar os índices de confiabilidade conforme a seguir

𝑁𝑖𝑛𝑡_𝑐𝑜𝑛𝑠 (𝑦𝑘 )
𝑆𝐴𝐼𝐹𝐼(𝑦𝑘 ) =
𝑁ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑐𝑜𝑛𝑠𝑢𝑚𝑖𝑑𝑜𝑟𝑒𝑠

𝐷𝑖𝑛𝑡_𝑐𝑜𝑛𝑠 (𝑦𝑘 )
𝑆𝐴𝐼𝐷𝐼(𝑦𝑘 ) =
𝑁ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑐𝑜𝑛𝑠𝑢𝑚𝑖𝑑𝑜𝑟𝑒𝑠

𝐸𝑁𝑆(𝑦𝑘 ) = 𝐸𝑖𝑛𝑡_𝑐𝑜𝑛𝑠 (𝑦𝑘 )

senão voltar ao Passo 2;

𝑁𝑦
1
𝐸̃ [𝑆𝐴𝐼𝐹𝐼] = ∑ 𝑆𝐴𝐼𝐹𝐼(𝑦𝑘 )
𝑁𝑦
𝑖=1

𝑁𝑦
1
𝐸̃ [𝑆𝐴𝐼𝐷𝐼] = ∑ 𝑆𝐴𝐼𝐷𝐼(𝑦𝑘 )
𝑁𝑦
𝑖=1

𝑁𝑦
1
𝐸̃ [𝐸𝑁𝑆] = ∑ 𝐸𝑁𝑆(𝑦𝑘 )
𝑁𝑦
𝑖=1

7. Atualizar os coeficientes de variação 𝛽 de acordo com (20);

𝑉𝑎𝑟(𝑆𝐴𝐼𝐹𝐼)
𝑉𝑎𝑟(𝐸̃ [𝑆𝐴𝐼𝐹𝐼]) =
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑎𝑚𝑜𝑠𝑡𝑟𝑎𝑠

𝑉𝑎𝑟(𝑆𝐴𝐼𝐷𝐼)
𝑉𝑎𝑟(𝐸̃ [𝑆𝐴𝐼𝐷𝐼]) =
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑎𝑚𝑜𝑠𝑡𝑟𝑎𝑠

𝑉𝑎𝑟(𝐸𝑁𝑆)
𝑉𝑎𝑟(𝐸̃ [𝐸𝑁𝑆]) =
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑎𝑚𝑜𝑠𝑡𝑟𝑎𝑠

√𝑉𝑎𝑟[𝐸[𝑆𝐴𝐼𝐹𝐼]]/𝑁𝑠
𝛽[𝑆𝐴𝐼𝐹𝐼] =
𝐸̃ [𝑆𝐴𝐼𝐹𝐼]
 47

√𝑉𝑎𝑟[𝐸[𝑆𝐴𝐼𝐷𝐼]]/𝑁𝑠
𝛽[𝑆𝐴𝐼𝐷𝐼] =
𝐸̃ [𝑆𝐴𝐼𝐷𝐼]

√𝑉𝑎𝑟[𝐸[𝐸𝑁𝑆]]/𝑁𝑠
𝛽[𝐸𝑁𝑆] =
𝐸̃ [𝐸𝑁𝑆]

8. Se Ny = Nymáx ou se os coeficientes de variação são inferiores a uma tolerância

especificada, parar a simulação; senão 𝑁𝑦 = 𝑁𝑦 + 1, ℎ = 0 e retornar ao Passo
2.

O algoritmo é apresentado para a estimação dos indicadores SAIFI, SAIDI e

ENS, sendo que a estimação de demais indicadores é implementada de forma
análoga.

4.2 RESULTADOS NUMÉRICOS PARA O CASO TESTE

Dispondo do algoritmo de simulação de Monte Carlo sequencial e da

implementação do método analítico abordada no Capítulo 3, elaborou-se um código
utilizando o software MATLAB. A implementação do procedimento desenvolvido para
aplicação da metodologia de simulação forneceu novos resultados numéricos para os
índices do caso teste.
As Tabelas de 12 a 15 apresentam os índices de confiabilidade atingidos
através da simulação de Monte Carlo sequencial e os compara com os resultados
obtidos via método analítico, caso a caso. Ademais, estão dispostos os valores dos
coeficientes de variação β, em porcentagem, além dos limites inferiores e superiores
para cada indicador para devida interpretação dos valores. Para a análise dos dados
foi considerado um intervalo de confiança de 5%.

Tabela 12 - Comparativo dos índices de confiabilidade - Caso 1

Índice Analítico SMCS β (%) Inferior Superior
SAIFI 2,2 2,22775 0,01994 2,14070 2,31480
SAIDI 6,0 6,27842 0,03008 5,90824 6,64861
CAIDI 2,73 2,8183 - - -
ASAI 0,999315 0,99928 0,00002 0,99924 0,99933
ASUI 0,000685 0,00072 0,03008 0,00067 0,00076
ENS 84.000 87.89794 0,03008 82.71531 93.08057
 48

Índice Analítico SMCS β (%) Inferior Superior

AENS 28,0 29,29932 0,03008 27,57177 31,02686

Fonte: Autoria própria (2017).

Tabela 13 - Comparativo dos índices de confiabilidade - Caso 2

Índice Analítico SMCS β (%) Inferior Superior
SAIFI 1,15 1,17086 0,01995 1,12508 1,21665
SAIDI 3,91 4,02681 0,03150 3,77820 4,27542
CAIDI 3,39 3,4392 - - -
ASAI 0,999554 0,99954 0,00001 0,99951 0,99957
ASUI 0,000446 0,00046 0,03150 0,00043 0,00049
ENS 54.800 53.45387 0,03148 52.97017 59.93757
AENS 18,3 18,81796 0,03148 17,65672 19,97919

Fonte: Autoria própria (2017).

Tabela 14 - Comparativo dos índices de confiabilidade - Caso 3

Índice Analítico SMCS β (%) Inferior Superior
SAIFI 1,15 1,17086 0,01995 1,12508 1,21665
SAIDI 2,58 2,70675 0,03170 2,53855 2,87495
CAIDI 2,23 2,31180 - - -
ASAI 0,999706 0,99969 0,00001 0,99967 0,99971
ASUI 0,000294 0,00031 0,03170 0,00029 0,00033
ENS 35.200 37.00115 0,03193 34.68531 39.31698
AENS 11,7 12,33372 0,03193 11,56177 13,10566

Fonte: Autoria própria (2017).

Tabela 15 - Comparativo dos índices de confiabilidade - Caso 4

Índice Analítico SMCS β (%) Inferior Superior
SAIFI 1,15 1,17086 0,01995 1,12508 1,21665
SAIDI 1,80 1,77363 0,02405 1,69003 1,85723
CAIDI 1,56 1,51480 - - -
ASAI 0,999795 0,99980 0 0,99979 0,99981
ASUI 0,000205 0,00020 0,02405 0,00019 0,00021
ENS 25.100 24.73027 0,02441 23.54715 25.91339
AENS 8,4 8,24342 0,02441 7,84905 8,63780

Fonte: Autoria própria (2017).

Durante as simulações, foi considerado um valor pré-determinado de

tolerância de 2% (β=0,02) para o primeiro indicador a convergir. Isto pode ser
constatado através das tabelas, onde o indicador que apresenta convergência mais
rápida é o SAIFI.
O gráfico apresentado na Figura 5 ilustra a estimação do SAIFI durante a
simulação do caso 1 e certifica a confiabilidade dos valores alcançados a cada
iteração.
 49

Figura 5 - Gráfico de confiança da média do SAIFI anual - Caso 1

Fonte: Autoria própria (2017).

A partir de uma análise dos dados obtidos, pode-se constatar que os

resultados analíticos se encontram dentro do intervalo de confiança dos resultados
obtidos através da simulação. Assim sendo, considera-se validada a implementação
do metodologia baseada no método de Monte Carlo sequencial.

4.3 REDE REAL

Após a implementação computacional, aplicação da metodologia para o caso

teste e validação dos resultados, verifica-se assim a possibilidade de avaliação de
uma rede real. Um alimentador de uma concessionária brasileira, nomeado como
“CAX04”, foi elegido para estudo. Este deriva de uma subestação que possui cinco
alimentadores sendo composto por uma rede radial com 265 nós e 9776
consumidores. A carga total do alimentador é de 6085 kW e 1800 kvar, com 6489 kVA
de potência instalada e aproximadamente 15 km totais de linha. A taxa de falha por
 50

km do sistema é de 0,12 ocorrências/ano/km e o tempo médio de interrupção

considerado é de 1 hora. Considera-se que a rede possui 21 chaves fusíveis e um
disjuntor principal localizado na subestação.
O gráfico apresentado na Figura 6 apresenta a estimação do SAIFI durante a
simulação para a rede real.

Figura 6 - Gráfico de confiança da média do SAIFI anual - Rede Real

Fonte: Autoria própria (2017).

Os indicadores de confiabilidade alcançados por meio da simulação de Monte

Carlo sequencial da rede real estão dispostos na Tabela 16.

Tabela 16 - Índices de confiabilidade - Rede Real

Índice SMCS β (%) Inferior Superior
SAIFI 0,70893 0,01996 0,68119 0,73667
SAIDI 0,69810 0,02696 0,66121 0,73498
CAIDI 0,98470 - - -
ASAI 0,99992 0 0,99992 0,99992
ASUI 0,00008 0,02696 0,00008 0,00008
ENS 43.79281 0,02690 41.48352 46.10209
AENS 0,44696 0,02690 0,42339 0,47053

Fonte: Autoria própria (2017).

 51

A interpretação dos valores obtidos permite conclusões acerca da efetividade

da simulação executada. A saber, espera-se que um consumidor médio conectado a
este alimentador esteja sujeito a aproximadamente 0,70 interrupções/ano. O tempo
esperado de restabelecimento de serviço é de aproximadamente 0,98
horas/ocorrência.
A fim de extrair informações adicionais sobre o comportamento do sistema em
análise, foram realizados agrupamentos de valores através da distribuição de
frequências e assim gerados histogramas. Os gráficos podem ser vistos nas figuras
de 7 a 9.

Figura 7 - Histograma SAIFI anual - Rede Real

Fonte: Autoria própria (2017).

Figura 8 - Histograma SAIDI anual - Rede Real

Fonte: Autoria própria (2017).

 52

Figura 9 - Histograma ENS anual - Rede Real

Fonte: Autoria própria (2017).

Os histogramas representam estimativas das distribuições de probabilidade.

O gráfico permite a visualização de algumas probabilidades. De acordo com o
histograma apresentado na Figura 7, o risco de o SAIFI ser superior a 1,0
ocorrência/ano é de aproximadamente 33%. O mesmo se verifica na Figura 8 para o
SAIDI, que apresenta um risco de ser maior que 2,0 horas/ano por volta de 10%. O
indicador ENS aponta na Figura 9 risco próximo de 10% de ser maior que 15000
MWh/ano.

4.4 CONSIDERAÇÕES FINAIS

Neste capítulo foi descrita a metodologia de Monte Carlo sequencial aplicada

à análise de confiabilidade de uma rede de distribuição real. Foi feita uma análise de
caso teste, a qual possui engloba elementos encontrados em sistemas reais, porém
com um número de componentes menor. Logo após, a mesma abordagem foi feita
sobre um alimentador real com o propósito de verificar a viabilidade de aplicação do
algoritmo implementado.
O seguinte e final capítulo evidencia as considerações finais pertinentes à
análise de confiabilidade de uma rede de distribuição.
 53

5 CONSIDERAÇÕES FINAIS

A qualidade do serviço de distribuição de energia prestado e o desempenho

do sistema elétrico consegue ser mensurado por meio do controle das interrupções,
do cálculo e da divulgação dos indicadores de continuidade de serviço (ANEEL, 2016).
Os índices de confiabilidade são utilizados por concessionárias de energia para
analisar o desempenho dos alimentadores da rede e indicadores que não atinjam as
metas de continuidade estabelecidas pelo órgão regulador podem acarretar em multas
(CALADO, 2015).
A análise da confiabilidade preditiva de uma rede de distribuição pode
basicamente ser feita através de duas técnicas: a técnica analítica e de simulação,
sendo a diferença entre as metodologias a forma como os índices de confiabilidade
são avaliados. As técnicas analíticas representam o sistema por um modelo
matemático simplificado, permitindo geralmente apenas a estimação de valores
médios de indicadores. A metodologia de simulação, por outro lado, estima os
indicadores de confiabilidade simulando o processo real e, portanto, emulando o
comportamento aleatório do sistema. O método trata o problema como uma série de
experimentos reais realizados em tempo simulado, estimando a probabilidade e outros
índices contando o número de vezes que ocorre um evento (BILLINTON; ALAN,
1992). Ademais, faz-se possível representar comportamentos de variáveis aleatórias
de diversos tipos, aliadas a decisões (como por exemplo, relacionados a manutenção
ou manobra) de difícil representação em método analítico. Diante da proximidade dos
índices de confiabilidade obtidos via método analítico e método de simulação, somada
ao pertencimento dos indicadores aos intervalos de confiança, percebe-se a validade
dos algoritmos e a comprovação da efetividade de ambas as metodologias.
Os métodos de Monte Carlo apresentam como uma de suas principais
vantagens a sua capacidade de estimar não apenas os índices de confiabilidade na
forma de valores esperados de variáveis aleatórias, mas também as distribuições
desses índices, o que geralmente não é possível através da metodologia analítica
(GOEL, 2000). Verifica-se que a metodologia de simulação Monte Carlo sequencial
sinteticamente produz mais informações que a própria média indicada analiticamente.
As informações adicionais fornecidas pelo método são de grande valia para o projeto
e suporte do planejamento de redes de distribuição.
 REFERÊNCIAS

ANEEL, 2016. Procedimentos de Distribuição de Energia Elétrica no Sistema

Elétrico Nacional - PRODIST, Módulo 1 - Introdução. Revisão 9. Disponível em: <
http://www.aneel.gov.br/documents/656827/14866914/Módulo1_Revisao_9>. Acesso
em: 25 de setembro de 2016.

______, 2016. Procedimentos de Distribuição de Energia Elétrica no Sistema

Elétrico Nacional - PRODIST, Módulo 8 – Qualidade de Energia Elétrica. Revisão
7. Disponível em: <http://www2.aneel.gov.br/arquivos/PDF/Módulo8_Revisão_7.pdf>.
Acesso em: 01 de outubro de 2016.

BAGOWSKI, I. Reliability Theory and Practise. [S.l.]: Prentice-Hall, 1961.

BILLINTON, R.; ALLAN, R. N. Reliability Evaluation of Power Systems. New York:

Plenum Press, 1984.

BILLINTON, R.; ALLAN, R. N. Reliability Evaluation of Engineering Systems:

Concepts and Techniques. 2ª ed. [S.l.]: Plenum Press, 1992.

BILLINTON, R.; LI, W. Reliability assessment of electric power systems using

Monte Carlo methods. New York: Plenum Press, 1994.

BROWN, R. E. Electric Power Distribution Reliability. [S.l.]: CRC Press, 2002.

CASSADO, D. E. D. Representação de Curto-Circuito Probabilístico na Avaliação

da Confiabilidade de Sistemas de Distribuição. 2015. 144 f. Dissertação (Mestrado
em Engenharia Elétrica) – Programa de Pós-Graduação em Engenharia Elétrica,
Universidade Federal de Santa Catarina, Florianópolis, 2015.

DOS SANTOS, E. P. Estratégias de Análise em Regime Permanente para

Avaliação de Confiabilidade Composta de Sistemas de Energia Elétrica. 2016.
120 f. Tese (Doutorado em Engenharia Elétrica) – Programa de Pós-Graduação em
Engenharia Elétrica, Universidade Federal de Santa Catarina, Florianópolis, 2016.

GOEL, L. Monte Carlo simulation-based reliability studies of a distribution test

system. In Electric Power Systems Research, Volume 54, Issue 1, 2000, Pages 55-
65, ISSN 0378-7796.

MATTOS, R. de S. et al. Integração de modelos econométrico e de insumo-

produto para previsões de longo prazo da demanda de energia no Brasil. Estud.
Econ., Dez 2008, vol. 38, n. 4, p. 675-699. ISSN 0101-4161

MONTICELLI, A.; GARCIA; A. Introdução a Sistemas de Energia Elétrica.

Campinas: Editora Unicamp, 2003.

RUBINSTEIN, R. Y.; KROESE, D. P. Simulation and the Monte Carlo Method. 2ª

ed. [S.l.]: JOHN WILEY & SONS, INC., 2008.
SILVA, A. Leite da et al. Analytical and Monte Carlo approaches to evaluate
probability distributions of interruption duration. IEEE Transactions on Power
Systems, v. 20, n. 3, 2005.

SPERANDIO, M. Planejamento da Automação de Sistemas de Manobra em

Redes de Distribuição. 2008. 171 f. Tese (Doutorado em Engenharia Elétrica) –
Programa de Pós-Graduação em Engenharia Elétrica, Universidade Federal de Santa
Catarina, Florianópolis, 2008.