Análise do Efeito de Variáveis Climáticas Sobre a Evolução da Demanda de Energia Elétrica

Referência Bibliográfica

Mário O. Oliveira, Denise P. Marzec, Gladis Bordin, Arturo S. Bretas. Análise do Efeito de Variáveis Climáticas Sobre a Evolução da Demanda de Energia Elétrica In XVIII Congresso Brasileiro de Automática / 12 a 16 - Setembro - 2010, Bonito-MS

Resumo

As questões relacionadas ao estudo do planejamento da expansão/operação do SEP passa obrigatoriamente pelo desenvolvimento de métodos e modelos da carga do sistema. O artigo aqui em estudo tem por objetivo apresentar uma análise de como fatores climáticas tem influência sobre a evolução a curtíssimo prazo da carga. Foi considerada as variáveis temperatura ambiente, umidade relativa do ar e velocidade do vento. Foi proposto um método baseado em regressão múltipla dentro de um modelo de Índice de Desconforto (ID) e Sensação Térmica (ST). Seus dados são reais e obtidos junto a concessionária do Rio Grande do Sul.

Comentários

Nos estudos referentes as cargas do SEP e suas previsões, conhecer suas características é de extrema importância. Isto se dá pelo fato de que seu comportamento interfere diretamente na manutenção, operação e expansão do sistema. É diante deste conhecimento/comportamento é que pode-se definir o método e o modelo para executar uma correta interferência no sistema.

Para cada tipo de previsão de demanda (curtíssimo/curto/médio/longo prazo) busca-se uma metodologia ideal. Estes podem ser métodos clássicos (estatísticos/heurísticos) e métodos não convencionais (RNA/lógica Fuzzy) baseados em inteligência artificial.

Para a modelagem da carga tem-se a influência de diversos fatores já explicitados em diversas referências. Estas são classificadas em:

O autor deixa claro que: "a escolha correta das variáveis que melhor explicam um dado padrão de carga determinará a adequação do modelo". Sua escolha foi relacionada aos fatores climáticos, sendo esta acertada, pois a mesma escolha é apresentada também em outras referências.

A Figura abaixo ilustra as principais variáveis relacionadas à variação da Demanda de Energia (DEE).

A dúvida maior fica quanto a opção do método. As diversas referências analisadas mostram que as teorias de Redes Neurais Artificiais (RNA) e lógica Fuzzy seriam as mais recomendadas em comparação a técnica de regressão. Uma vantagem apresentada quanto ao uso de RNA é que devido ao uso desta técnica pode-se não ter o conhecimento prévio do modelo da carga e sim nos basearmos somente na base de dados. Tem-se ainda a utilização de modelos probabilísticos discretos (cadeia de Markov), tendo como base Mapas Auto-organizáveis para reconhecimento de padrões.

O autor, ao optar por um modelo de regressão, sua escolha fica mais direcionada ao modelo de regressão múltipla em utilização ao modelo de regressão simples. Isto é especialmente importante, pois permite que se estime o valor de uma variável com base num conjunto de outras variáveis. Além do mais, dentro da avaliação da metodologia proposta, seu erro ficou em torno de 5% que foi comentado como satisfatório em outras referências estudadas. Isto leva a uma validação do seu método. Sua avaliação também junto as curvas de demanda foram satisfatórias em relação com as variáveis consideradas, mostrando-se coerente, mais uma vez, o método proposto. A metodologia é apresentada no algoritmo a baixo.

Dentro de todo o estudo realizado verificou-se a aplicação de um método de revisão baseado em um modelo probabilístico discreto. Segue como continuidade do trabalho uma análise através de redes Bayesianas. Segue também como sugestão a avaliação do tempo/custo operacional/computacional em relação a outros métodos, dando credibilidade maior ao proposto método, além de uma análise de correlação entre as variáveis climáticas e a demanda demonstrando numericamente esta influência.