[en] ESTIMATING THE DAILY ELECTRIC SHOWER LOAD CURVE THROUGH MEASUREMENTS AND END USERS OWNERSHIP AND USAGE SURVEYS

• Ano de defesa: 2015
• Autor(a) principal: SILVANA VIEIRA DAS CHAGAS
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] REDE NEURAL ARTIFICIAL; [pt] CURVA DE CARGA DIARIA; [pt] REGRESSAO LINEAR SIMPLES; [pt] CHUVEIRO ELETRICO; [pt] PESQUISA DE POSSES E HABITOS DE CONSUMO - PPH; [pt] METROLOGIA; [en] ARTIFICIAL NEURAL NETWORKS; [en] SIMPLE LINEAR REGRESSION; [en] ELECTRIC SHOWER; [en] ELECTRICAL APPLIANCES OWNERSHIP SURVEY; [en] METROLOGY
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=25584&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=25584&idi=2; http://doi.org/10.17771/PUCRio.acad.25584

[pt] O objetivo desta dissertação é desenvolver modelos matemáticos que permitam estimar o tempo médio dos banhos com a utilização de chuveiros elétricos e a curva de carga desses aparelhos, considerando as informações das Pesquisas de Posses e Hábitos de Consumo (PPH) e medições realizadas com o auxílio de medidores eletrônicos com memória de massa, em residências com chuveiros elétricos. A motivação do estudo advém de uma exigência da ANEEL que determina que as distribuidoras de energia elétrica realizem a cada 2 (dois) ciclos de revisão tarifária a PPH em suas unidades consumidoras. Os métodos empregados foram: estatística descritiva (para a obtenção do tempo médio de banho); aplicação da regressão linear e de redes neurais (para corrigir a curva de carga horária obtida com a PPH, com base nos dados das medições). Os resultados foram promissores, pois o tempo médio de banho se encontra próximo às estimativas do PROCEL (que são de 8 (oito) a 10 (dez) minutos) e a curva de carga estimada se encontra próxima à da medição, sendo esta última o consumo real. Conclui-se que a abordagem desta dissertação resultou em melhorias na estimativa dos coeficientes de ajustes e que o método de redes neurais foi relativamente melhor que o método de regressão linear simples.