Metodologia para modelagem de curvas típicas de demanda elétrica utilizando redes neurais artificiais considerando variáveis climáticas

• Ano de defesa: 2014
• Autor(a) principal: Marques, Marthielo dos Santos
• Orientador(a): Russi, Jumar Luís
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Pampa
• Palavras-chave em Português: Curvas típicas; Dados climáticos; Conforto térmico; Distribuição de energia elétrica
• Palavras-chave em Inglês: Typical curves; Climate data; Thermal comfort; Operation planning; Distribution of electricity
• Link de acesso: http://dspace.unipampa.edu.br/jspui/handle/riu/252

A variação do comportamento de consumo elétrico ao longo do dia vem sendo um constante desafio para planejamentos e operação de sistemas de distribuição de energia elétrica. A diversidade de ocorrência dos picos de demanda, considerando diferentes classes de consumo, para um transformador de distribuição, são determinados de uma forma estatística, assim possibilitando uma aproximação do real comportamento dos consumidores de energia elétrica. Mas não basta apenas considerar dados estatísticos, e sim adicionar outros fatores que são determinísticos para definição real desse comportamento destes consumidores ao longo do dia. Neste contexto, é fundamental considerar dados climáticos. Durante um período de 12 meses foi realizada uma campanha de medições e paralelamente um arquivamento de informações utilizando sites da internet sobre dados climáticos da região. Como as medições (amostragens) foram, geograficamente, muito próximas, foi possível acompanhar e perceber a modificação de comportamento dos consumidores, como a utilização de condicionadores de ar e refrigeração em geral. Portanto, como objetivo de aperfeiçoar a caracterização de curvas típicas de demanda de energia elétrica, neste trabalho, utilizando metodologias de redes neurais, serão agrupadas as curvas de demanda considerando: classes, subclasses, consumo médio (últimos 12 meses) de energia elétrica, e adicionalmente dados climáticos.