Curvas típicas de carga para o planejamento operacional do sistema de distribuição.

Detalhes bibliográficos
Autor(a) principal: Paula, Guilherme Marques de Faria
Data de Publicação: 2006
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: http://www.teses.usp.br/teses/disponiveis/3/3143/tde-26052006-171214/
Resumo: Nesta dissertação é proposto e avaliado um modelo de caracterização da carga para utilização no planejamento operacional dos sistemas de distribuição baseado na caracterização dos consumidores através de curvas típicas de carga. A identificação dos padrões de curvas típicas baseou-se na aplicação da rede neural tipo mapa auto organizável, sobre a grande massa de dados de medições de clientes da campanha de medidas realizada pela distribuidora no processo de revisão tarifária o que permitiu a identificação dos padrões de consumo de energia ativa e fator de potência para os consumidores ao longo do dia. O módulo de agrupamento baseado no mapa auto organizável associado a técnica clássica de agrupamento das k-médias mostrou-se uma ferramenta extremamente robusta e eficaz na identificação de padrões para grandes bases de dados. A comparação dos resultados das estimativas de carga para cerca de 200 alimentadores de distribuição medidos através do sistema SCADA complementa e valida a aplicação desta metodologia, que culmina com a proposição de um modelo de otimização, que com base nas medições, possibilita melhorias significativas na estimativa de carga dos alimentadores estudados. A metodologia proposta neste trabalho demonstra ser uma ferramenta eficaz para que a distribuidora de energia elétrica possa constantemente realimentar os dados sobre os hábitos de consumo de seus clientes, garantindo assim a manutenção de estimativas consistentes para o planejamento operacional de seu sistema de distribuição.
id USP_8ee00ce7ae297254dbb1c1fab491af9a
oai_identifier_str oai:teses.usp.br:tde-26052006-171214
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Curvas típicas de carga para o planejamento operacional do sistema de distribuição. Typical load curves for operational planning of distribution systems.artificial intelligencecurvas típicas de cargadistribuição de energia elétricaelectric energy distributioninteligência artificialneural networkredes neuraistypical load curvesNesta dissertação é proposto e avaliado um modelo de caracterização da carga para utilização no planejamento operacional dos sistemas de distribuição baseado na caracterização dos consumidores através de curvas típicas de carga. A identificação dos padrões de curvas típicas baseou-se na aplicação da rede neural tipo mapa auto organizável, sobre a grande massa de dados de medições de clientes da campanha de medidas realizada pela distribuidora no processo de revisão tarifária o que permitiu a identificação dos padrões de consumo de energia ativa e fator de potência para os consumidores ao longo do dia. O módulo de agrupamento baseado no mapa auto organizável associado a técnica clássica de agrupamento das k-médias mostrou-se uma ferramenta extremamente robusta e eficaz na identificação de padrões para grandes bases de dados. A comparação dos resultados das estimativas de carga para cerca de 200 alimentadores de distribuição medidos através do sistema SCADA complementa e valida a aplicação desta metodologia, que culmina com a proposição de um modelo de otimização, que com base nas medições, possibilita melhorias significativas na estimativa de carga dos alimentadores estudados. A metodologia proposta neste trabalho demonstra ser uma ferramenta eficaz para que a distribuidora de energia elétrica possa constantemente realimentar os dados sobre os hábitos de consumo de seus clientes, garantindo assim a manutenção de estimativas consistentes para o planejamento operacional de seu sistema de distribuição.This dissertation presents and validate a load characterization framework for the operational planning of electric distribution networks based on characterization of customer typical load curves. The pattern recognition of typical load curves was based on the usage of self organizing maps, a type of neural network, over the huge database of customer field measurements performed by the electric energy utility for tariff review process, allowing the characterization of daily active energy consumption and power factor behaviors. The grouping module is based on self organizing map technique along with classic k-means technique, which proved to be an extremely effective tool for pattern recognition over large databases. The results of load estimation for 200 distribution feeders measured by SCADA system ensures the quality and accuracy of this framework which presents also an optimization model based on such measures, resulting significant improvement on load estimation for these feeders. This framework proves to be an effective tool for electric energy utilities for constant evaluation of customer’s power consumption behavior, allowing the maintenance of accurate estimations for operational planning of distribution networks.Biblioteca Digitais de Teses e Dissertações da USPTahan, Carlos Marcio VieiraPaula, Guilherme Marques de Faria2006-04-25info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/3/3143/tde-26052006-171214/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2016-07-28T16:09:50Zoai:teses.usp.br:tde-26052006-171214Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212016-07-28T16:09:50Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Curvas típicas de carga para o planejamento operacional do sistema de distribuição.
Typical load curves for operational planning of distribution systems.
title Curvas típicas de carga para o planejamento operacional do sistema de distribuição.
spellingShingle Curvas típicas de carga para o planejamento operacional do sistema de distribuição.
Paula, Guilherme Marques de Faria
artificial intelligence
curvas típicas de carga
distribuição de energia elétrica
electric energy distribution
inteligência artificial
neural network
redes neurais
typical load curves
title_short Curvas típicas de carga para o planejamento operacional do sistema de distribuição.
title_full Curvas típicas de carga para o planejamento operacional do sistema de distribuição.
title_fullStr Curvas típicas de carga para o planejamento operacional do sistema de distribuição.
title_full_unstemmed Curvas típicas de carga para o planejamento operacional do sistema de distribuição.
title_sort Curvas típicas de carga para o planejamento operacional do sistema de distribuição.
author Paula, Guilherme Marques de Faria
author_facet Paula, Guilherme Marques de Faria
author_role author
dc.contributor.none.fl_str_mv Tahan, Carlos Marcio Vieira
dc.contributor.author.fl_str_mv Paula, Guilherme Marques de Faria
dc.subject.por.fl_str_mv artificial intelligence
curvas típicas de carga
distribuição de energia elétrica
electric energy distribution
inteligência artificial
neural network
redes neurais
typical load curves
topic artificial intelligence
curvas típicas de carga
distribuição de energia elétrica
electric energy distribution
inteligência artificial
neural network
redes neurais
typical load curves
description Nesta dissertação é proposto e avaliado um modelo de caracterização da carga para utilização no planejamento operacional dos sistemas de distribuição baseado na caracterização dos consumidores através de curvas típicas de carga. A identificação dos padrões de curvas típicas baseou-se na aplicação da rede neural tipo mapa auto organizável, sobre a grande massa de dados de medições de clientes da campanha de medidas realizada pela distribuidora no processo de revisão tarifária o que permitiu a identificação dos padrões de consumo de energia ativa e fator de potência para os consumidores ao longo do dia. O módulo de agrupamento baseado no mapa auto organizável associado a técnica clássica de agrupamento das k-médias mostrou-se uma ferramenta extremamente robusta e eficaz na identificação de padrões para grandes bases de dados. A comparação dos resultados das estimativas de carga para cerca de 200 alimentadores de distribuição medidos através do sistema SCADA complementa e valida a aplicação desta metodologia, que culmina com a proposição de um modelo de otimização, que com base nas medições, possibilita melhorias significativas na estimativa de carga dos alimentadores estudados. A metodologia proposta neste trabalho demonstra ser uma ferramenta eficaz para que a distribuidora de energia elétrica possa constantemente realimentar os dados sobre os hábitos de consumo de seus clientes, garantindo assim a manutenção de estimativas consistentes para o planejamento operacional de seu sistema de distribuição.
publishDate 2006
dc.date.none.fl_str_mv 2006-04-25
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://www.teses.usp.br/teses/disponiveis/3/3143/tde-26052006-171214/
url http://www.teses.usp.br/teses/disponiveis/3/3143/tde-26052006-171214/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1809091094216966144