Dimensionamento e localização multiobjetivo de GD em rede de distribuição por otimização híbrida tropas-de-gorila-algoritmo-genético: um estudo de caso real

Energia local mais inteligente para confiabilidade cotidiana

Quando você acende uma luz, espera energia imediata e estável — mas entregar essa confiabilidade fica mais difícil à medida que a demanda cresce e mais fontes renováveis se conectam à rede. Uma ideia promissora é espalhar unidades menores de geração, chamadas geradores distribuídos, por redes locais em vez de depender apenas de grandes usinas distantes. Este estudo mostra como um novo método computacional de planejamento pode decidir onde colocar essas unidades menores e qual deve ser seu tamanho para que a rede desperdice menos energia, mantenha tensões estáveis e economize somas significativas de dinheiro a cada ano.

Por que geradores locais importam

Sistemas de energia tradicionais transportam eletricidade por longas distâncias de grandes usinas até residências e fábricas. No caminho, parte dessa energia se perde como calor nas linhas, e a tensão pode cair em bairros distantes, especialmente quando a demanda aumenta. Instalar geradores distribuídos — como pequenas unidades a gás ou renováveis como solar e eólica — diretamente nas redes locais pode aliviar linhas sobrecarregadas, reduzir perdas e melhorar a qualidade da tensão. Mas posicionar essas unidades não é tão simples quanto preencher pontos vazios: cada possível localização e tamanho afeta o restante da rede, e as decisões também devem respeitar limites rígidos de engenharia. A tarefa de planejamento vira um quebra-cabeça emaranhado que mistura escolhas binárias (onde colocar unidades) com escolhas contínuas (qual a potência de cada uma), tudo isso conciliando vários objetivos ao mesmo tempo.

Uma “partida de busca” digital híbrida

Para enfrentar esse problema, os autores projetaram um método híbrido de busca que combina duas famílias conhecidas de ferramentas de otimização. Uma parte é um algoritmo genético, inspirado na evolução, que lida com decisões do tipo sim–não e em etapas — como quais nós da rede devem abrigar novos geradores. A outra parte é o otimizador tropas-de-gorila, um método do tipo enxame modelado no movimento grupal e na liderança de bandos de gorilas, que se destaca em explorar intervalos contínuos de valores — como a potência exata de cada gerador. A cada ciclo, os dois componentes propõem planos candidatos, juntam-nos em configurações completas da rede e testam seu desempenho. Planos que reduzem perdas de energia e melhoram a tensão são mantidos e refinados, enquanto os mais fracos são descartados. Ao permitir que cada método concentre-se no que faz melhor, a abordagem híbrida consegue vasculhar um espaço de decisão muito complexo de forma mais eficiente e evitar ficar presa em soluções ruins.

Testes em redes de energia realistas

Os pesquisadores primeiro verificaram sua ferramenta híbrida em 23 funções matemáticas padrão usadas comumente para avaliar quão bem métodos de otimização exploram paisagens complexas. O híbrido encontrou consistentemente soluções muito boas e convergiu mais rápido que várias técnicas estabelecidas, incluindo algoritmos genéticos clássicos e outras abordagens baseadas em enxame. Em seguida aplicaram o método a duas redes de distribuição elétrica: um sistema de referência amplamente usado com 33 pontos de conexão e uma rede do mundo real bem maior simplificada para 143 pontos. Em ambos os casos, a ferramenta explorou diferentes condições de operação para os geradores distribuídos e examinou objetivos únicos (apenas redução de perdas ou apenas melhoria de tensão) e objetivos combinados (balanceando ambos simultaneamente). O método não só encontrou posicionamentos que reduziram fortemente as perdas e suavizaram as tensões, como também traçou curvas de trade-off mostrando quanto de um benefício precisa ser sacrificado para ganhar mais do outro.

Grandes reduções de desperdício e custo

Os ganhos relatados são impressionantes. No sistema de teste com 33 pontos, as melhores soluções reduziram perdas de energia em até cerca de 94% e melhoraram a qualidade da tensão em quase 100% em comparação com a rede original sem geradores adicionados. Em termos financeiros práticos, as perdas econômicas anuais nesse sistema caíram de aproximadamente 92.000 dólares para cerca de 14.000 dólares — uma economia de mais de 78.000 dólares por ano. Na maior rede real de 143 barras, as perdas caíram quase 94% e os problemas de tensão foram reduzidos em quase 100%, transformando uma perda anual de cerca de 178.000 dólares em pouco mais de 32.000 dólares, com economia superior a 145.000 dólares. A análise também revelou quais partes específicas das redes eram mais sensíveis, fornecendo aos planejadores alvos concretos para melhorias.

O que isso significa para a rede do futuro

Para não especialistas, a mensagem principal é que ferramentas de planejamento mais inteligentes podem desbloquear muito mais valor de fontes de energia locais já comuns, como painéis solares em telhados, baterias comunitárias e pequenos geradores. Em vez de posicionar essas unidades por tentativa e erro ou por regras simples, a abordagem híbrida descrita aqui busca entre inúmeras possibilidades para encontrar configurações que desperdicem muito menos energia, estabilizem as tensões e reduzam significativamente os custos operacionais. À medida que as redes elétricas absorvem mais renováveis e atendem a uma demanda crescente, esse planejamento inteligente e automatizado pode ajudar a tornar as redes locais mais eficientes, mais confiáveis e mais preparadas para um futuro energético mais limpo.

Citação: Gacem, A., Romdhane, M., Kechida, R. et al. Multi-objective sizing and location of DG in distribution network by hybrid gorilla troops optimization-genetic algorithm: a real case study. Sci Rep 16, 11334 (2026). https://doi.org/10.1038/s41598-026-41868-7

Palavras-chave: geração distribuída, redes de distribuição de energia, algoritmos de otimização, estabilidade de tensão, redução de perdas de energia