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

Abstract

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.

The variation of the behavior of electrical consumption throughout the day has been a constant challenge for planning and operation of electric power distribution systems. The diversity of occurrence of peak demand, considering different classes of consumption to a distribution transformer are determined in a statistical manner, allowing an approximation of the actual behavior of consumers of electricity. But not enough to consider only statistical data, but add other factors that are deterministic for real definition of the behavior of these consumers throughout the day. In this context, it is crucial to consider climate data. During a period of 12 months, a measurement campaign was carried out in parallel and an archive of information using the internet sites on climatic data of the region. Because measurements (samples) were geographically very close, it was possible to follow and realize the change in consumer behavior, such as the use of air conditioners and cooling in general. Therefore, the objective of improving the characterization of typical curves of electricity demand, this paper, using methodologies neural networks, are grouped considering the demand curves: classes, subclasses, middle (last 12 months) of electricity, and additionally climatic data.