Previsão espaço-temporal de demanda incluindo alterações nos hábitos de consumidores residenciais
Autor(a) principal: | |
---|---|
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 |