Through theory and econometric instrumentals, this work intends to estimate the behavior of Electric Energy’s Demand Curve to Brazil, through the behavior of important variables for residential sector, industrial and commercial sectors. It’s important to achievement for futures projections that enable to know if installed capacity is enough to answer Energy demand. Using Co-integration concept, were estimated the Vector Error Correction, used to project the demand to the period of 2009-2017. There were some obstacles regarding the estimation of the curve of the industrial sector with respect to the variable IPA-OG industrial machinery and equipment and IPA-OG fuels and lubricants, where their estimated coefficients were inconclusive. Energy consumption by the residential sector is showing increasing but at a decreasing rate, and was influenced by the efficiency of consumption (consumer behavior on the part of the post-rationing and the use of more efficient equipment for the use of electricity). As results, the Energy’s demand is growing and may be superior to installed capacity. Was introduced the Social Cost Politic concept to Energy’s demand and the results show that it politics can reduce the demand, and it can be used as a restrictive measure to Energy’s demand, rather than aggressive restrictive politics. / Com base em subsídios teóricos e no instrumental econométrico, este trabalho pretende estimar o comportamento da Curva de Demanda por energia elétrica para o Brasil, considerando o comportamento de variáveis relevante aos setores residencial, comercial e industrial. A estimação da curva de demanda propicia um instrumental que permite a realização de projeções futuras, as quais por sua vez, permitem verificar se a capacidade instalada de energia atende adequadamente a expectativa de demanda por este produto. Pelo conceito de Co-integração, foram estimados os Modelos de Correção de Erros (VEC), utilizado para projetar o consumo para o período de 2009-2017. De forma geral, os resultados alcançados foram bons, não tendo coeficientes não significativos e sendo os sinais dos parâmetros concernentes à teoria econômica. Houve alguns entraves quanto à estimação da curva do setor industrial com relação à variável IPA-OG máquinas e equipamentos industriais e IPA-OG combustíveis e lubrificantes, onde seus coeficientes estimados foram inconclusivos. Utilizou-se, pois, novas proxies para tais variáveis, a saber, câmbio real efetivo e preço médio – óleo combustível. Através dos resultados alcançados, o consumo crescente de energia pode ser superior a capacidade de fornecimento de energia, evidenciando a necessidade de implantação de políticas restritivas ao consumo de energia. O consumo de energia por parte do setor residencial se mostra crescente, mas a uma taxa decrescente, sendo influenciado pela maior eficiência do consumo (comportamento por parte do consumidor pós-racionamento e utilização de equipamentos mais eficientes quanto ao uso da energia elétrica). Buscou-se introduzir o conceito de Custo Social ao consumo de energia e os resultados mostram que dentre os setores, o industrial sofrera maior penalidade no consumo e que tal política pode proporcionar redução no consumo, podendo ser esta política utilizada como medida restritiva para a demanda por energia.

Submitted by Maike Costa (maiksebas@gmail.com) on 2016-04-25T12:59:29Z No. of bitstreams: 1 arquivo total.pdf: 2399944 bytes, checksum: b31ffd454938b9e66e2494032cb6d9ee (MD5) / Made available in DSpace on 2016-04-25T12:59:29Z (GMT). No. of bitstreams: 1 arquivo total.pdf: 2399944 bytes, checksum: b31ffd454938b9e66e2494032cb6d9ee (MD5) Previous issue date: 2015-08-28 / In recent years, several studies where published regarding to the estimation of variables related to the use of electricity, where the most varied methodologies are used to perform modeling and estimation of demand for energy of countries, States, companies in general and educational systems. In this dissertation where chosen this last category and the focus is on Higher Education Institutions (HEIs). Looking for drawing up an estimate of Wing Maxim Demand (WMD), monthly of electrical energy power, for the (HEIs), from the amount of students and, if necessary, from other causal variables, which can contribute to managerial way for the renegotiation of contracts with concessionaires that lead to annual cost savings and still contribute to a better control of the levels of maxim demand of electricity. To achieve this objective, it was realized a review of the literature regarding to the variables that could introduce correlation with the dependent variable WMD. This review indicated several methodologies that could contribute to the solution of the problem proposed: Markov Chain, Support vector Regression methodology, Genetic Programming Model and Artificial Neural Networks. It was adopted the methodology of Multiple Linear Regression (MLR) because it is less complex and a methodology directed at large companies. It was selected an IES and were carried out interviews with some engineers and technician of his electrical engineering division, seeking to better understand energy use and the behavior of the variable WMD in this IES being made available the reports of power energy monitoring where the WMD data of January-December 2008 of 2014 were contained. So on the basis of these data and documental research of the independent variables, and, through the methodologies of Multiple Linear Regression (MLR), it was developed a model from the data of 72 months which had their waste evaluated, showing a coefficient of determination R ^ 2 equal to 0.883. Independent variables that remained in the model, from the use of the backward method, were 4 (four) Dummy variables associated with the years, six variables of this type associated with the months and a variable which is the product of school days for graduates and the quantity of graduate students registered. This model was able to identify seasonality presents in the behavior of the WMD of this HIE. It would allow the hiring of WMD per month, that would make savings of 57% compared to the traditional contracting mode (WMD fixed for the entire period), considering the period from July to December, before the period left for validation. In conclusion, a forecast for the period of January to May 2015 and the adoption of the proposed model was able to provide a savings of 45% in relation to the scheme currently used by this HEI. / Nos últimos anos, diversos trabalhos foram publicados em relação à estimativa de variáveis relacionadas ao uso da energia elétrica, onde as mais variadas metodologias são utilizadas para realizar a modelagem e estimação da demanda por energia de países, Estados, empresas em geral e dos sistemas de ensino. Nesta dissertação foi escolhida esta última categoria e o foco consiste nas Instituições de Ensino Superior (IES). Procurando elaborar uma estimativa de Demanda Máxima de Ponta (DMP), mensal de potência de energia elétrica adequada às IESS, a partir da quantidade de alunos, e, se necessário, a partir de outras variáveis causais, que possam contribuir de maneira gerencial para a renegociação de contratos com concessionárias que levem à redução de custos anuais e que ainda podem contribuir para um melhor controle dos níveis de demanda máxima de energia elétrica. Para alcançar tal objetivo, foi realizada uma revisão da literatura a respeito de variáveis que poderiam apresentar correlação com a variável dependente DMP. Esta revisão indicou várias metodologias que poderiam contribuir para a solução do problema proposto: a Cadeia de Markov, a Metodologia de Regressão do vetor de Suporte, o Modelo de Programação Genética e as Redes Neurais Artificiais. Por ser uma metodologia menos complexa e direcionada a empresas de grande porte, adotou-se a Metodologia de Regressão Linear Múltipla (RLM). Foi selecionada uma IES e foram realizadas entrevistas com alguns engenheiros e técnico da sua divisão de engenharia elétrica, procurando entender melhor o uso da energia e o comportamento da variável DMP nesta IES, sendo disponibilizados os relatórios de energia do sistema de monitoração de energia onde os dados de DMP de janeiro de 2008 a dezembro de 2014 estavam contidos. Então, com base nestes dados e em pesquisa documental das candidatas a variáveis independentes, e, através da Metodologia (RLM), foi desenvolvido um modelo a partir dos dados de 72 meses, que teve seus resíduos avaliados, apresentando um coeficiente de determinação 𝑅2 igual a 0,883 .As variáveis independentes que permaneceram no modelo, a partir da utilização do método backward, foram 4(quatro) variáveis Dummy associadas a anos, seis variáveis deste tipo associadas a meses e uma variável fruto do produto entre dias letivos de graduação e quantidade de alunos da graduação matriculados. O modelo foi capaz de identificar a sazonalidade presente no comportamento da DMP da IES em estudo. Ele possibilitaria a contratação de DMP por mês, o que daria uma economia de 57% em relação ao modo de contratação tradicional (DMP fixo para todo o período), considerando o período de julho a dezembro, antes do período deixado para validação. Concluindo, foi realizada uma previsão para o período de janeiro a maio de 2015 e a adoção do modelo proposto foi capaz de proporcionar uma economia de 45% em relação ao esquema utilizado atualmente pela IES.

Made available in DSpace on 2014-12-17T14:56:08Z (GMT). No. of bitstreams: 1 AlynneCSQ_DISSERT.pdf: 5674522 bytes, checksum: 276b6f887cbd025afcc9fc319a3dbc2e (MD5) Previous issue date: 2012-09-24 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / The opening of the Brazilian market of electricity and competitiveness between companies in the energy sector make the search for useful information and tools that will assist in decision making activities, increase by the concessionaires. An important source of knowledge for these utilities is the time series of energy demand. The identification of behavior patterns and description of events become important for the planning execution, seeking improvements in service quality and financial benefits. This dissertation presents a methodology based on mining and representation tools of time series, in order to extract knowledge that relate series of electricity demand in various substations connected of a electric utility. The method exploits the relationship of duration, coincidence and partial order of events in multi-dimensionals time series. To represent the knowledge is used the language proposed by M?rchen (2005) called Time Series Knowledge Representation (TSKR). We conducted a case study using time series of energy demand of 8 substations interconnected by a ring system, which feeds the metropolitan area of Goi?nia-GO, provided by CELG (Companhia Energ?tica de Goi?s), responsible for the service of power distribution in the state of Goi?s (Brazil). Using the proposed methodology were extracted three levels of knowledge that describe the behavior of the system studied, representing clearly the system dynamics, becoming a tool to assist planning activities / A abertura do mercado brasileiro de energia el?trica e a competitividade entre as empresas do setor energ?tico fazem com que a busca por informa??es ?teis e ferramentas que venham a auxiliar na tomada de decis?es, aumente por parte das concession?rias. Uma importante fonte de conhecimento para essas concession?rias s?o as s?ries temporais de consumo de energia. A identifica??o de padr?es de comportamento e a descri??o de eventos se tornam necess?rias para a execu??o de atividades de planejamento, buscando melhorias na qualidade de atendimento e vantagens financeiras. A presente disserta??o apresenta uma metodologia baseada em ferramentas de minera??o e representa??o de s?ries temporais, com o objetivo de extrair conhecimento que relacionam s?ries de demanda de energia el?trica de diversas subesta??es interligadas de uma concession?ria. O m?todo utilizado explora rela??es de dura??o, coincid?ncia e ordem parcial de eventos em s?ries temporais multidimensionais. Para a representa??o do conhecimento ser? utilizada a linguagem proposta por M?rchen (2005) chamada Time Series Knowledge Representation (TSKR). Foi realizado um estudo de caso usando s?ries temporais de demanda de energia de 8 subesta??es interligadas por um sistema em anel, que alimenta a regi?o metropolitana de Goi?nia-GO, cedidas pela CELG (Companhia Energ?tica de Goi?s), permission?ria do servi?o de distribui??o de energia no estado de Goi?s (Brasil). Utilizando a metodologia proposta foram extra?dos tr?s n?veis de conhecimento que descrevem o comportamento do sistema estudado, representando a din?mica do sistema de forma clara, constituindo-se em uma ferramenta para auxiliar em atividades de planejamento