Orientador: Antonio Padilha Feltrin / Resumo: Neste trabalho o espaço geográfico é incorporado ao estudo da análise das potencialidades de migração de consumidores residenciais para uma nova opção tarifária: a tarifa branca. Os trabalhos avaliados no tema não incorporam a análise espacial de dados geográficos. Em geral apresentam as classes de consumo que mais se beneficiam com a adoção da nova opção tarifária e aspectos relacionados à estrutura tarifária de energia elétrica no Brasil. No entanto, o estudo das características do lugar onde pode ser mais provável a migração massiva de consumidores para a tarifa branca pode trazer informações relevantes para direcionar a atenção das distribuidoras de energia na aquisição de medidores eletrônicos e outros equipamentos para determinadas regiões da área urbana do município. Promove-se dessa forma um melhor dimensionamento do sistema elétrico. Os resultados deste trabalho são mapas de probabilidades úteis para indicar as subáreas onde há maior probabilidade de migração de consumidores residenciais para a tarifa branca. Esses mapas indicam que algumas regiões da cidade como a porção central e leste para os anos de 2018 e 2019 exibem maior probabilidade de unidades consumidoras aptas a migrarem para a tarifa branca. Portanto, há nessas regiões uma tendência de redução da demanda de ponta (ou de pico). Espera-se uma mudança de perfil de carga daqueles alimentadores que atendem regiões onde há maior quantidade de consumidores que irão migrar para a tarifa branca. O espaço é incorp... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: In this work the geographic space is incorporated to the study of the analysis of the potentialities of migration of residential consumers for a new tariff option: the white tariff. The works evaluated in the theme do not incorporate the spatial analysis of geographic data. In general, they present the classes of consumption that most benefit from the adoption of the new tariff option and aspects related to the tariff structure of electric energy in Brazil. However, the study of the characteristics of the place where the massive migration of consumers to the white tariff may be most likely to bring relevant information to direct the attention of energy distributors in the acquisition of electronic meters and other equipment for certain regions of the urban area of the County. In this way, a better design of the electrical system is promoted. The results of this work are useful probability maps to indicate the subareas where there is a greater probability of migration of residential consumers to the white tariff. These maps indicate that some regions of the city such as the central and eastern portions for the years 2018 and 2019 are more likely to be consumer units able to migrate to the white tariff. Therefore, there is a tendency in these regions to reduce the peak (or peak) demand. A load profile change is expected from those feeders serving regions where there are more consumers who will migrate to the white tariff. The space is incorporated in this work through technique... (Complete abstract click electronic access below) / Mestre

Submitted by LUCAS TELES DE FARIA null (lucas.teles.faria@gmail.com) on 2016-04-06T05:42:40Z No. of bitstreams: 1 TESE_DOUTORADO_ENG.ELETRICA_LUCAS-TELES-DE-FARIA.pdf: 4869615 bytes, checksum: 5cea8811bb7d053c5440e3d6fb5d55cd (MD5) / Approved for entry into archive by Juliano Benedito Ferreira (julianoferreira@reitoria.unesp.br) on 2016-04-07T19:51:32Z (GMT) No. of bitstreams: 1 faria_lt_dr_ilha.pdf: 4869615 bytes, checksum: 5cea8811bb7d053c5440e3d6fb5d55cd (MD5) / Made available in DSpace on 2016-04-07T19:51:32Z (GMT). No. of bitstreams: 1 faria_lt_dr_ilha.pdf: 4869615 bytes, checksum: 5cea8811bb7d053c5440e3d6fb5d55cd (MD5) Previous issue date: 2016-02-26 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Neste trabalho o espaço geográfico é incorporado ao estudo das perdas não técnicas. Os trabalhos avaliados em perdas comumente não consideram a localização espacial das mesmas de forma explícita. No entanto, o estudo das características do lugar onde elas ocorrem pode trazer informações imprescindíveis para melhor compreensão do problema. O espaço é incorporado via técnicas de análise espacial de dados geográficos. A saber: análise espacial de padrões de pontos e análise espacial de dados agregados por áreas. A localização das perdas é obtida através de dados de inspeções reais georreferenciados obtidos a partir de uma concessionária de energia elétrica. Os atributos socioeconômicos do censo demográfico e da rede de distribuição de energia do lugar onde ocorrem as perdas são considerados via técnicas de regressões espaciais. São elas: modelo aditivo generalizado (GAM) e regressão geograficamente ponderada (GWR). Esses atributos são as variáveis independentes das regressões espaciais e auxiliam na explicação da disposição das perdas no espaço geográfico do município em estudo. Essas regressões são combinadas com as cadeias de Markov para produção de mapas de probabilidades de perdas. Esses mapas indicam as subáreas do município que são mais vulneráveis às perdas em termos probabilísticos. Por meio deles, estima-se a evolução das perdas não técnicas no espaço geográfico do município ao longo do tempo. Os mapas de probabilidade de perdas são uma ferramenta gráfica, de fácil interpretação e que auxiliam no planejamento de uma série de ações de prevenção e combate às perdas. Este estudo foi realizado em um município de porte médio do interior paulista com aproximadamente 81 mil unidades consumidoras, sendo que os resultados das simulações foram comparados com dados reais de inspeções em campo. A taxa de acerto para estimação das áreas vulneráveis às perdas via modelo aditivo generalizado (GAM) e cadeias e Markov foi superior a 80%. / In this work the geographic space is incorporated into the study of non-technical losses. Studies on non-technical losses do not often consider the spatial location of them explicitly. However, the study of the characteristics of the place where they occur can provide essential information to better understanding of the problem. The space is incorporated via spatial analysis techniques of geographical data; to know: spatial analysis of point patterns and spatial analysis of data aggregated by areas. The location of the losses is determined via georeferenced inspections data obtained from an electrical power utility. Socioeconomic attributes of the census and the distribution network of energy of the place where the losses occur are considered using the spatial regressions techniques; namely: generalized additive model (GAM) and geographically weighted regression (GWR). These attributes are the independent variables of spatial regressions and assist in the provision of the explanation of the losses in the geographical space of the city under study. These regressions are combined with Markov chains to produce the loss probability maps. These maps show the city subareas that are more vulnerable to losses in probabilistic terms. Through them, the evolution of non-technical losses in the geographical area of the city over the time is estimated. The loss probability maps are a graphical tool, easy to interpret and to assist in planning a series of actions to prevent and combat to losses. This study was conducted in a medium-sized city of São Paulo with about 81,000 consumer units, and the simulation results were compared with real data obtained in field inspections. The hit rate for the estimation of areas vulnerable to losses via generalized additive model (GAM) and Markov chains surpasses 80%.