Avaliação Probabilística de Risco Aplicação a Sistemas de Geração de Energia Elétrica

G.M. Cordeiro, C.T. Cristino

Abstract


Neste artigo, serão apresentados os principais conceitos e técnicas utilizadas na Avaliação Probabilística de Risco, com ênfase às aplicações no sistema de geração e transmissão de energia elétrica. O estudo de PRA – sigla de Probabilistic Risk Assessment, trabalha com modelagem para sistemas markovianos de estados: dado um conjunto finito S (equipamentos) para cujos elementos está definido um segundo conjunto também finito de estados, existe uma taxa de transição entre tais estados que indica uma probabilidade de uma certa configuração de S que é função apenas da conjuração no tempo anterior (no caso discreto). Dois métodos comumente utilizados em análise de PRA são MCS – Minimum Cut Set, conjunto de cortes mínimos, e os Diagramas Binários de Decisão (BDD). Outros métodos, tais como redes bayesianas, também são aplicáveis.

References


[1] H.R. Andersen, An introduction to binary decision diagrams, Lecture Notes for 49285 Advanced Algorithms E97, Department of Information Technology, Technical University of Denmark, 1997.

S.K. Andersen, K.G. Olesen, F.V. Jensen, F. Jensen, HUGIN - a shell for building Bayesian belief universes for expert systems, em “Proceedings of the Eleventh International Joint Conference on Artificial Intelligent” (AAAI Press, Menlo Park, CA. 1989), pp. 1080.

R. Billinton, R.N. Alan, “Reliability Evaluation of Power Systems”, Plenum Press, New York, 1984.

O. Coudert, J.C. Madre, Fault tree analysis: 1020 prime implicants and beyond, in “Proceedings of the Reliability and Maintainability Symposium”, pp. 240–245, 1993.

O. Coudert, J.C. Madre, Towards an interactive fault tree analyser. in “Proceedings of the IASTED International Conference on Reliability, Quality Control and Risk Assessment”, 1992.

G.M. Cordeiro, C.T. Cristino, E.O.L. Lima, S.B. Melo, Modelos Markovianos, percolação e modelagem em sistemas com grande número de componentes, Revista de Matemática e Estatística, 25, No. 1 (2007), 99–116.

C.T. Cristino, G.M. Cordeiro, S. Lins, Confiabilidade e avaliação de risco no sistema elétrico, Revista de Matemática e Estatística, 25, No. 2 (2007), 87-109.

J.L. Doob, “Stochastic Processes”, John Wiley & Sons, New York, 1990.

W.R. Gilks, S. Richardson, D.J. Spiegelhalter, “Markov Chain Monte Carlo in Pratice”, Chapman & Hall, London, 1997.

S.L. Lauritzen, D.J. Spiegelhalter, Local computations with probabilities on graphical structures and their applications to expert systems, Journal of the Royal Statistical Society, 50, No. 2 (1988), 157–224.

C.Y. Lee, Representation of switching circuits by binarydecision programs. The Bell System Technical Journal, 38, (1958), 985–999.

W. Li, “Risk Assessment of Power Systems - Models, Methods and Applications”, IEEE Press, Piscataway, 2005.

NASA, “PRA Procedures Guide for NASA Manager and Practitoners”, Version 1.1, em http://www.hq.nasa.gov/office/codeq/doctree/praguide.pdf, Washington, 2002.

A. Rauzy, Mathematical foundations of minimal cutsets. IEEE Transactions On Reliability, 50, No. 4, (2001), 389–396.

D.C. Yu, T.C. Nguyen, P. Haddawy, Bayesian network model for reliability assessment of power systems, IEEE Transactions on Power Systems, 14, No.2 (1999), 426–432.




DOI: https://doi.org/10.5540/tema.2009.010.02.0145

Article Metrics

Metrics Loading ...

Metrics powered by PLOS ALM

Refbacks

  • There are currently no refbacks.


Trends in Computational and Applied Mathematics

A publication of the Brazilian Society of Applied and Computational Mathematics (SBMAC)

 

Indexed in:

                       

         

 

Desenvolvido por:

Logomarca da Lepidus Tecnologia