Metodologia para modelagem de curvas típicas de demanda elétrica utilizando redes neurais artificiais considerando variáveis climáticas
Autor(a) principal: | |
---|---|
Data de Publicação: | 2014 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNIPAMPA |
Texto Completo: | http://dspace.unipampa.edu.br/jspui/handle/riu/252 |
Resumo: | 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. |
id |
UNIP_61cbf792dc7c033c36aa2558488120cc |
---|---|
oai_identifier_str |
oai:repositorio.unipampa.edu.br:riu/252 |
network_acronym_str |
UNIP |
network_name_str |
Repositório Institucional da UNIPAMPA |
repository_id_str |
|
spelling |
Russi, Jumar LuísMarques, Marthielo dos Santos2015-05-09T22:40:42Z2015-05-09T22:40:42Z2014-04-01http://dspace.unipampa.edu.br/jspui/handle/riu/252A 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.Universidade Federal do PampaCurvas típicasDados climáticosConforto térmicoDistribuição de energia elétricaTypical curvesClimate dataThermal comfortOperation planningDistribution of electricityMetodologia para modelagem de curvas típicas de demanda elétrica utilizando redes neurais artificiais considerando variáveis climáticasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UNIPAMPAinstname:Universidade Federal do Pampa (UNIPAMPA)instacron:UNIPAMPAinfo:eu-repo/semantics/openAccessORIGINAL117110027.pdf117110027.pdfapplication/pdf2705925https://repositorio.unipampa.edu.br/jspui/bitstream/riu/252/1/117110027.pdf22617f402005b98190c3067b1402ee2fMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.unipampa.edu.br/jspui/bitstream/riu/252/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52TEXT117110027.pdf.txt117110027.pdf.txtExtracted texttext/plain193189https://repositorio.unipampa.edu.br/jspui/bitstream/riu/252/3/117110027.pdf.txt0e3961c404523aa24a430d9521e7f8b2MD53riu/2522021-03-17 11:08:39.346oai:repositorio.unipampa.edu.br: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Repositório InstitucionalPUBhttp://dspace.unipampa.edu.br:8080/oai/requestsisbi@unipampa.edu.bropendoar:2021-03-17T14:08:39Repositório Institucional da UNIPAMPA - Universidade Federal do Pampa (UNIPAMPA)false |
dc.title.pt_BR.fl_str_mv |
Metodologia para modelagem de curvas típicas de demanda elétrica utilizando redes neurais artificiais considerando variáveis climáticas |
title |
Metodologia para modelagem de curvas típicas de demanda elétrica utilizando redes neurais artificiais considerando variáveis climáticas |
spellingShingle |
Metodologia para modelagem de curvas típicas de demanda elétrica utilizando redes neurais artificiais considerando variáveis climáticas Marques, Marthielo dos Santos Curvas típicas Dados climáticos Conforto térmico Distribuição de energia elétrica Typical curves Climate data Thermal comfort Operation planning Distribution of electricity |
title_short |
Metodologia para modelagem de curvas típicas de demanda elétrica utilizando redes neurais artificiais considerando variáveis climáticas |
title_full |
Metodologia para modelagem de curvas típicas de demanda elétrica utilizando redes neurais artificiais considerando variáveis climáticas |
title_fullStr |
Metodologia para modelagem de curvas típicas de demanda elétrica utilizando redes neurais artificiais considerando variáveis climáticas |
title_full_unstemmed |
Metodologia para modelagem de curvas típicas de demanda elétrica utilizando redes neurais artificiais considerando variáveis climáticas |
title_sort |
Metodologia para modelagem de curvas típicas de demanda elétrica utilizando redes neurais artificiais considerando variáveis climáticas |
author |
Marques, Marthielo dos Santos |
author_facet |
Marques, Marthielo dos Santos |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Russi, Jumar Luís |
dc.contributor.author.fl_str_mv |
Marques, Marthielo dos Santos |
contributor_str_mv |
Russi, Jumar Luís |
dc.subject.por.fl_str_mv |
Curvas típicas Dados climáticos Conforto térmico Distribuição de energia elétrica |
topic |
Curvas típicas Dados climáticos Conforto térmico Distribuição de energia elétrica Typical curves Climate data Thermal comfort Operation planning Distribution of electricity |
dc.subject.eng.fl_str_mv |
Typical curves Climate data Thermal comfort Operation planning Distribution of electricity |
description |
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. |
publishDate |
2014 |
dc.date.issued.fl_str_mv |
2014-04-01 |
dc.date.accessioned.fl_str_mv |
2015-05-09T22:40:42Z |
dc.date.available.fl_str_mv |
2015-05-09T22:40:42Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://dspace.unipampa.edu.br/jspui/handle/riu/252 |
url |
http://dspace.unipampa.edu.br/jspui/handle/riu/252 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal do Pampa |
publisher.none.fl_str_mv |
Universidade Federal do Pampa |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNIPAMPA instname:Universidade Federal do Pampa (UNIPAMPA) instacron:UNIPAMPA |
instname_str |
Universidade Federal do Pampa (UNIPAMPA) |
instacron_str |
UNIPAMPA |
institution |
UNIPAMPA |
reponame_str |
Repositório Institucional da UNIPAMPA |
collection |
Repositório Institucional da UNIPAMPA |
bitstream.url.fl_str_mv |
https://repositorio.unipampa.edu.br/jspui/bitstream/riu/252/1/117110027.pdf https://repositorio.unipampa.edu.br/jspui/bitstream/riu/252/2/license.txt https://repositorio.unipampa.edu.br/jspui/bitstream/riu/252/3/117110027.pdf.txt |
bitstream.checksum.fl_str_mv |
22617f402005b98190c3067b1402ee2f 8a4605be74aa9ea9d79846c1fba20a33 0e3961c404523aa24a430d9521e7f8b2 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UNIPAMPA - Universidade Federal do Pampa (UNIPAMPA) |
repository.mail.fl_str_mv |
sisbi@unipampa.edu.br |
_version_ |
1801849056560939008 |