Professional Documents
Culture Documents
2
INTRODUÇÃO
3
Introdução
• Projetos de IP;
4
Objetivo Principal
Otimizar projetos de IP
• (GÓMEZ-LORENTE, 2013).
• Método utilizado: Algoritmo Genético;
• Norma utilizada: CIE 115: 2010- Lighting of roads for motor and pedestrian traffic;
• Objetivo: Maximizar eficiência energética e uniformidade.
• (OLIVEIRA, 2014).
• Método utilizado: Algoritmo Genético;
• Norma utilizada: NBR 5101: 2012- Iluminação Pública;
• Objetivo: Minimização do Custo de projeto.
• (CASTILLO-MARTINEZ, 2017).
• Método utilizado: Otimização por enxame de partículas;
• Norma utilizada: Royal Decree: 1890/2008 -Energy Efficiency for Outdoor Lighting Installations;
• Objetivo: Calibração dos parâmetros para maximizar a eficiência energética.
7
ILUMINAÇÃO
8
Iluminação Pública- IP
• A IP é definida como sendo o “serviço público que tem por objetivo exclusivo prover de claridade
os logradouros públicos, de forma periódica, contínua ou eventual” (ANEEL,2010).
11
Normas de IP
Neste trabalho foram abordados duas normas de iluminação pública diferentes:
CIE 140 (2000) – Road Lighting calculations; NBR 5101 (2012) – Iluminação Pública- Procedimento
12
NBR 5101 (2012) X CIE 140 (2000)
• A norma CIE 140 serviu como base para familiarizar-se sobre os conceitos de iluminação, pois
demonstra claramente a metodologia de cálculo.
• A norma NBR 5101 auxiliou na parte de malha de medição e requisitos mínimos exigidos para cada
classe de iluminação.
• A principal diferença entre as normas está na grade de calculo, pois os pontos de cálculos são em
diferentes.
19
CÁLCULO DOS
PARÂMETROS
LUMINOTÉCNICOS
20
Cálculos dos Parâmetros Luminotécnicos
21
Cálculos dos Parâmetros Luminotécnicos
22
VALIDAÇÃO DO
SCRIPT
PROPOSTO
24
Validação do Script Proposto- Configuração e
Luminárias Utilizadas
GE
A configuração de via utilizada para os testes de validação: 70W
Philips
150W
25
Validação do Script Proposto- Luminárias da
GE
26
Validação do Script Proposto- Luminárias da
Philips
27
OTIMIZAÇÃO POR
ENXAME DE
PARTÍCULAS
28
Otimização por Enxame de Partículas
• Otimização por Enxame de Partículas do inglês Particle Swarm Optimization, geralmente chamado de PSO.
• Foi introduzido por Eberhart e Kennedy em 1995 para resoluções de problemas no domínio contínuo.
• Baseia-se no comportamento social de grupos, como um bando de pássaros ou um cardume de peixes e até
mesmo do comportamento social humano.
• A ideia básica do PSO é a troca de informações entre o local e o global, ou seja, considera a perspectiva de
cada partícula e a perspectiva social do enxame, em busca da solução ótima.
29
PSO - Pseudocódigo
A atualização de velocidade e posição são realizadas com base nas equações abaixo:
30
CALIBRAÇÃO
DO PSO
32
RESULTADOS
37
Resultados
Os resultados dividem-se em duas partes: Sem considerar e considerando a Norma Brasileira.
Foram executados 20 experimentos para cada caso e todos foram realizados para os dois tipos de
luminárias, ainda foram executados todos os procedimentos anteriores para o domínio contínuo e
discreto.
38
Resultados
Todos os experimentos foram realizados para as seguintes configuração dos parâmetros do PSO.
39
Resultados - Sem considerar a Norma Brasileira
5 ≤ ℎ ≤ 15
5 ≤ 𝑠 ≤ 30
𝑠. 𝑎
0 ≤ 𝜃 ≤ 60
0 ≤ 𝑟𝑒𝑐𝑢𝑜 ≤ 3
40
Resultados - Luminária GE 70 W
Variáveis de
Controle
Parâmetro
Avaliado
41
Resultados - Luminária GE 70 W
42
Resultados - Luminária GE 70 W
43
Resultados - Considerando a Norma Brasileira
47
Considerações Finais
• A presente dissertação apresentou um script para definição da melhor
configuração dos componentes de IP, afim de obter maior eficiência energética
possível.
52
Considerações Finais
• Nos resultados, onde não foi considerada a norma brasileira notou-se que o
número de iterações foi menor no domínio discreto.
53
Considerações Finais
• Participações em congresso:
• 8° Salão Internacional de Ensino, Pesquisa e Extensão (SIEPE) - 2016;
• 7° Simpósio Brasileiro de Sistemas Elétricos (SBSE) – 2018;
• Em elaboração:
• Artigo para a revista Pesquisa Operacional.
55
Obrigado Pela Atenção!
lucas.dornelesantunes@gmail.com
56