Previsão espacial de demanda em sistemas de distribuição com uma base reduzida de dados

• Ano de defesa: 2008
• Autor(a) principal: Carreño Franco, Edgar Manuel [UNESP]
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Energia elétrica - Distribuição; Banco de dados temporais; Planejamento urbano
• Link de acesso: http://hdl.handle.net/11449/100359

A previsão espacial de demanda em sistemas de distribuição de energia elétrica visa determinar a distribuição espaço-temporal do crescimento da demanda de energia elétrica na área de serviço. Essa informação é de vital importância para apoiar o processo de tomada de decisões no planejamento da expansão e operação das redes de distribuição no médio e longo prazo. As metodologias de previsão espacial de demanda requerem uma grande quantidade de dados do sistema elétrico, das características socioeconômicas da região e da população, que geralmente não são de fácil coleta nem manipulação, e muitas vezes não estão disponíveis. Nesta tese apresenta-se e aplica-se uma nova metodologia de previsão espacial de demanda, a partir de um algoritmo de extração de conhecimento baseado em conceitos de algoritmos evolutivos e regras de classificação lingüísticas, para caracterizar a área de serviço e identificar novas áreas com possibilidades de aumento de carga futuro. Com o algoritmo desenvolvido, toda a informação disponível de uma base de dados espacial é extraída, sem importar o tamanho desta, assim, apresenta como flexibilidade o fato de poder ser aplicado em diferentes situações. Além disso, permite o acesso a novas e diferentes bases de dados no futuro. A metodologia proposta foi aplicada em um sistema real de uma cidade de porte médio, com cerca de duzentos mil habitantes, apresentado respostas com acerto em torno de 95%, quando comparadas com as obtidas por especialistas que realizam a projeção de demanda na região. Adicionalmente, são obtidos resultados importantes sobre áreas do município com potencial de desenvolvimento, no longo prazo, que geralmente não são indicadas pelos especialistas.