Previsão espaço-temporal de demanda incluindo alterações nos hábitos de consumidores residenciais

Detalhes bibliográficos
Autor(a) principal: Mejia Alzate, Mario Andres [UNESP]
Data de Publicação: 2016
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UNESP
Texto Completo: http://hdl.handle.net/11449/148538
Resumo: Neste trabalho é apresentado um método que permite determinar o crescimento espaço-temporal da demanda de energia elétrica devido às mudanças nos hábitos de consumo no setor residencial. A proposta é baseada em uma regressão ponderada geograficamente que permite determinar a localização espacial dos setores com maior proporção de residências candidatas para comprar um novo eletrodoméstico, e uma regressão de distribuição logística que permite simular em cada setor, como vai ser o crescimento ao longo do tempo dessa proporção de residências candidatas para comprar o aparelho. Finalmente, o método determina o impacto nas curvas de carga dos transformadores de distribuição, considerando: o número de residências candidatas em cada setor, e informações do eletrodoméstico em estudo, tais como: curva de carga em p.u, potência nominal, fator de utilização, fator de coincidência e fator de potência. A região em estudo é dividida em pequenas subáreas, com o objetivo de melhorar a resolução espacial do prognóstico, e também considerar interrelações de proximidade entre as subáreas, para determinar como as decisões tomadas em um local influenciam nas preferências de seus vizinhos. O método proposto usa como dados de entrada variáveis socioeconômicas do censo da população que são de fácil acesso para as empresas do setor elétrico e que caracterizam a economia e as preferências da população da cidade em estudo. O método proposto foi aplicado em uma cidade de médio porte da República do Equador a fim de determinar o crescimento espaço-temporal da demanda de energia devido à compra de fogões de indução. Os resultados obtidos são mapas que permitem identificar os setores mais vulneráveis para apresentar crescimento da demanda devido à compra do eletrodoméstico. Também são apresentados gráficos que mostram o impacto nas curvas de carga dos transformadores durante o período de estudo estabelecido. Esses resultados fornecem informações importantes que servem de referência no planejamento do sistema de distribuição e do mercado de energia elétrica.
id UNSP_5ca595fda5bfae7c63a52be8949b4105
oai_identifier_str oai:repositorio.unesp.br:11449/148538
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str 2946
spelling Previsão espaço-temporal de demanda incluindo alterações nos hábitos de consumidores residenciaisPrevisión espacio-temporal de demanda incluyendo alteraciones en los hábitos de consumidores residencialesAnálise espacialDistribuição logísticaPrevisão espacial de cargaPrevisão temporal de cargaSistemas de informação geográficaPlanejamento de redes de distribuiçãoRegressão geograficamente ponderadaSpatial analysisLogistic distributionSpatial charge forecastTemporary forecast of loadGeographic information systemsPlanning of distribution networksGeographically weighted regressionNeste trabalho é apresentado um método que permite determinar o crescimento espaço-temporal da demanda de energia elétrica devido às mudanças nos hábitos de consumo no setor residencial. A proposta é baseada em uma regressão ponderada geograficamente que permite determinar a localização espacial dos setores com maior proporção de residências candidatas para comprar um novo eletrodoméstico, e uma regressão de distribuição logística que permite simular em cada setor, como vai ser o crescimento ao longo do tempo dessa proporção de residências candidatas para comprar o aparelho. Finalmente, o método determina o impacto nas curvas de carga dos transformadores de distribuição, considerando: o número de residências candidatas em cada setor, e informações do eletrodoméstico em estudo, tais como: curva de carga em p.u, potência nominal, fator de utilização, fator de coincidência e fator de potência. A região em estudo é dividida em pequenas subáreas, com o objetivo de melhorar a resolução espacial do prognóstico, e também considerar interrelações de proximidade entre as subáreas, para determinar como as decisões tomadas em um local influenciam nas preferências de seus vizinhos. O método proposto usa como dados de entrada variáveis socioeconômicas do censo da população que são de fácil acesso para as empresas do setor elétrico e que caracterizam a economia e as preferências da população da cidade em estudo. O método proposto foi aplicado em uma cidade de médio porte da República do Equador a fim de determinar o crescimento espaço-temporal da demanda de energia devido à compra de fogões de indução. Os resultados obtidos são mapas que permitem identificar os setores mais vulneráveis para apresentar crescimento da demanda devido à compra do eletrodoméstico. Também são apresentados gráficos que mostram o impacto nas curvas de carga dos transformadores durante o período de estudo estabelecido. Esses resultados fornecem informações importantes que servem de referência no planejamento do sistema de distribuição e do mercado de energia elétrica.This work presents a method to determine the spatial-temporal growth of electric energy demand due to changes in consumption habits in the residential sector. The proposal is based on a geographically weighted regression that allows us to determine the spatial location of the sectors with the highest proportion of candidate households to buy a new appliance, and a logistic distribution regression that allows us to simulate in each of these sectors, the growth over time, the proportion of households that are candidates to buy this appliance. Finally, the method determines the impact on the load curves of the distribution transformers, considering: the number of candidate households in each sector, and information of the home appliance, such as: load curve in pu, nominal power, utilization factor, Coincidence factor and power factor. The study area is divided into small subareas with the aim of improving the spatial resolution of the prognosis and also considers the interrelation of proximity between the subareas to determine how decisions made in one place can influence the preferences of its neighbors. The input data of the proposed method are socioeconomic variables of the population census, which are easily accessible to companies in the electricity sector, and which characterize the economy and the preferences of the population of the studied city. The method was applied in a medium-sized city of the Republic of Ecuador in order to determine the spatial-temporal growth of energy demand due to the purchase of induction stoves. The results obtained are maps that allow identifying the most vulnerable sectors to show increased demand due to the purchase of the appliance. Also, graphs were obtained that show the impact on the load curves of the transformers during the established study period. These results provide important information that serve as a reference in planning the distribution system and the electricity market.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)Universidade Estadual Paulista (Unesp)Feltrin, Antonio Padilha [UNESP]Universidade Estadual Paulista (Unesp)Mejia Alzate, Mario Andres [UNESP]2017-01-19T17:23:34Z2017-01-19T17:23:34Z2016-12-19info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/11449/14853800087855433004099080P03886842168147059porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-08-05T17:40:39Zoai:repositorio.unesp.br:11449/148538Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T17:40:39Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Previsão espaço-temporal de demanda incluindo alterações nos hábitos de consumidores residenciais
Previsión espacio-temporal de demanda incluyendo alteraciones en los hábitos de consumidores residenciales
title Previsão espaço-temporal de demanda incluindo alterações nos hábitos de consumidores residenciais
spellingShingle Previsão espaço-temporal de demanda incluindo alterações nos hábitos de consumidores residenciais
Mejia Alzate, Mario Andres [UNESP]
Análise espacial
Distribuição logística
Previsão espacial de carga
Previsão temporal de carga
Sistemas de informação geográfica
Planejamento de redes de distribuição
Regressão geograficamente ponderada
Spatial analysis
Logistic distribution
Spatial charge forecast
Temporary forecast of load
Geographic information systems
Planning of distribution networks
Geographically weighted regression
title_short Previsão espaço-temporal de demanda incluindo alterações nos hábitos de consumidores residenciais
title_full Previsão espaço-temporal de demanda incluindo alterações nos hábitos de consumidores residenciais
title_fullStr Previsão espaço-temporal de demanda incluindo alterações nos hábitos de consumidores residenciais
title_full_unstemmed Previsão espaço-temporal de demanda incluindo alterações nos hábitos de consumidores residenciais
title_sort Previsão espaço-temporal de demanda incluindo alterações nos hábitos de consumidores residenciais
author Mejia Alzate, Mario Andres [UNESP]
author_facet Mejia Alzate, Mario Andres [UNESP]
author_role author
dc.contributor.none.fl_str_mv Feltrin, Antonio Padilha [UNESP]
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Mejia Alzate, Mario Andres [UNESP]
dc.subject.por.fl_str_mv Análise espacial
Distribuição logística
Previsão espacial de carga
Previsão temporal de carga
Sistemas de informação geográfica
Planejamento de redes de distribuição
Regressão geograficamente ponderada
Spatial analysis
Logistic distribution
Spatial charge forecast
Temporary forecast of load
Geographic information systems
Planning of distribution networks
Geographically weighted regression
topic Análise espacial
Distribuição logística
Previsão espacial de carga
Previsão temporal de carga
Sistemas de informação geográfica
Planejamento de redes de distribuição
Regressão geograficamente ponderada
Spatial analysis
Logistic distribution
Spatial charge forecast
Temporary forecast of load
Geographic information systems
Planning of distribution networks
Geographically weighted regression
description Neste trabalho é apresentado um método que permite determinar o crescimento espaço-temporal da demanda de energia elétrica devido às mudanças nos hábitos de consumo no setor residencial. A proposta é baseada em uma regressão ponderada geograficamente que permite determinar a localização espacial dos setores com maior proporção de residências candidatas para comprar um novo eletrodoméstico, e uma regressão de distribuição logística que permite simular em cada setor, como vai ser o crescimento ao longo do tempo dessa proporção de residências candidatas para comprar o aparelho. Finalmente, o método determina o impacto nas curvas de carga dos transformadores de distribuição, considerando: o número de residências candidatas em cada setor, e informações do eletrodoméstico em estudo, tais como: curva de carga em p.u, potência nominal, fator de utilização, fator de coincidência e fator de potência. A região em estudo é dividida em pequenas subáreas, com o objetivo de melhorar a resolução espacial do prognóstico, e também considerar interrelações de proximidade entre as subáreas, para determinar como as decisões tomadas em um local influenciam nas preferências de seus vizinhos. O método proposto usa como dados de entrada variáveis socioeconômicas do censo da população que são de fácil acesso para as empresas do setor elétrico e que caracterizam a economia e as preferências da população da cidade em estudo. O método proposto foi aplicado em uma cidade de médio porte da República do Equador a fim de determinar o crescimento espaço-temporal da demanda de energia devido à compra de fogões de indução. Os resultados obtidos são mapas que permitem identificar os setores mais vulneráveis para apresentar crescimento da demanda devido à compra do eletrodoméstico. Também são apresentados gráficos que mostram o impacto nas curvas de carga dos transformadores durante o período de estudo estabelecido. Esses resultados fornecem informações importantes que servem de referência no planejamento do sistema de distribuição e do mercado de energia elétrica.
publishDate 2016
dc.date.none.fl_str_mv 2016-12-19
2017-01-19T17:23:34Z
2017-01-19T17:23:34Z
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://hdl.handle.net/11449/148538
000878554
33004099080P0
3886842168147059
url http://hdl.handle.net/11449/148538
identifier_str_mv 000878554
33004099080P0
3886842168147059
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.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv
_version_ 1808128113450680320