Submitted by Miriam Lucas (miriam.lucas@unioeste.br) on 2017-09-04T14:16:18Z No. of bitstreams: 2 Diego_Dieferson_Apolinario_2013.pdf: 11159824 bytes, checksum: a7eb832c477da03385c667bc970781c1 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2017-09-04T14:16:18Z (GMT). No. of bitstreams: 2 Diego_Dieferson_Apolinario_2013.pdf: 11159824 bytes, checksum: a7eb832c477da03385c667bc970781c1 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2013-09-13 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / The spatial electric load forescating aims to determine the sapatial and temporal distribution of the growth of electricity demand in the service area of a distribution utility. This information is vital to support the process of decision making in planning the expansion and operation of dostribution networks in the medium and long term. Currently there are many methodologies that can perform spatial load forecasting, among these cell models hace been the most widely used in recent years. Moreover, these models need to be calibrated with information concerning the data in the studied region and one of these information is the spatial rsolution. This work presents a partitioning method, using a divisive algorithm, to crate homogeneous grid cells for cellular models used in saptial electric load forecasting, and thereby determine a spatial resolution that allowa for proper display and inference from the obtained at ffeder ordistribution transformer levels. / 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 se 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. Atualmente existem muitas metodologias que permitem a previsão espacial de carga, dentre estas os modelos celulares tem sido os mais utilizados nos últimos anos. Além disso, estes modelos precisam ser calibrados com informações referentes aos dados da região em estudo, e uma dessas informações é a resolução espacial. Neste trabalho apresenta-se uma metodologia de particionamento, utilizando um algoritmo divisivo com a finalidade de criar quadrículas homogêneas para os modelos celulares utilizados na previsão espacial de carga, e desta forma determinar uma resolução espacial que permita uma aprpriada visualização e inferência dos resultados obtidos na previsão espacial de carga ao nivel de alimentador ou transformador de distribuição.

Orientador: Antonio Padilha Feltrin / Resumo: Neste trabalho é apresentado um método que permite determinar o crescimento espaço-temporal da demanda de energia elétrica devido às mudanças nos hábitos de consumo no setor residencial. A proposta é baseada em uma regressão ponderada geograficamente que permite determinar a localização espacial dos setores com maior proporção de residências candidatas para comprar um novo eletrodoméstico, e uma regressão de distribuição logística que permite simular em cada setor, como vai ser o crescimento ao longo do tempo dessa proporção de residências candidatas para comprar o aparelho. Finalmente, o método determina o impacto nas curvas de carga dos transformadores de distribuição, considerando: o número de residências candidatas em cada setor, e informações do eletrodoméstico em estudo, tais como: curva de carga em p.u, potência nominal, fator de utilização, fator de coincidência e fator de potência. A região em estudo é dividida em pequenas subáreas, com o objetivo de melhorar a resolução espacial do prognóstico, e também considerar interrelações de proximidade entre as subáreas, para determinar como as decisões tomadas em um local influenciam nas preferências de seus vizinhos. O método proposto usa como dados de entrada variáveis socioeconômicas do censo da população que são de fácil acesso para as empresas do setor elétrico e que caracterizam a economia e as preferências da população da cidade em estudo. O método proposto foi aplicado em uma cidade de médio porte da República do Equ... (Resumo completo, clicar acesso eletrônico abaixo) / Mestre

Submitted by MARIO ANDRES MEJIA ALZATE (marioandretty_17@hotmail.com) on 2017-01-15T06:04:36Z No. of bitstreams: 1 Dissertação Mestrado_final_1 (2).pdf: 10151663 bytes, checksum: 19b32f17aadb3d9188da99327b13cc74 (MD5) / Approved for entry into archive by LUIZA DE MENEZES ROMANETTO (luizamenezes@reitoria.unesp.br) on 2017-01-19T17:23:34Z (GMT) No. of bitstreams: 1 mejiaalzate_ma_me_ilha.pdf: 10151663 bytes, checksum: 19b32f17aadb3d9188da99327b13cc74 (MD5) / Made available in DSpace on 2017-01-19T17:23:34Z (GMT). No. of bitstreams: 1 mejiaalzate_ma_me_ilha.pdf: 10151663 bytes, checksum: 19b32f17aadb3d9188da99327b13cc74 (MD5) Previous issue date: 2016-12-19 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Neste trabalho é apresentado um método que permite determinar o crescimento espaço-temporal da demanda de energia elétrica devido às mudanças nos hábitos de consumo no setor residencial. A proposta é baseada em uma regressão ponderada geograficamente que permite determinar a localização espacial dos setores com maior proporção de residências candidatas para comprar um novo eletrodoméstico, e uma regressão de distribuição logística que permite simular em cada setor, como vai ser o crescimento ao longo do tempo dessa proporção de residências candidatas para comprar o aparelho. Finalmente, o método determina o impacto nas curvas de carga dos transformadores de distribuição, considerando: o número de residências candidatas em cada setor, e informações do eletrodoméstico em estudo, tais como: curva de carga em p.u, potência nominal, fator de utilização, fator de coincidência e fator de potência. A região em estudo é dividida em pequenas subáreas, com o objetivo de melhorar a resolução espacial do prognóstico, e também considerar interrelações de proximidade entre as subáreas, para determinar como as decisões tomadas em um local influenciam nas preferências de seus vizinhos. O método proposto usa como dados de entrada variáveis socioeconômicas do censo da população que são de fácil acesso para as empresas do setor elétrico e que caracterizam a economia e as preferências da população da cidade em estudo. O método proposto foi aplicado em uma cidade de médio porte da República do Equador a fim de determinar o crescimento espaço-temporal da demanda de energia devido à compra de fogões de indução. Os resultados obtidos são mapas que permitem identificar os setores mais vulneráveis para apresentar crescimento da demanda devido à compra do eletrodoméstico. Também são apresentados gráficos que mostram o impacto nas curvas de carga dos transformadores durante o período de estudo estabelecido. Esses resultados fornecem informações importantes que servem de referência no planejamento do sistema de distribuição e do mercado de energia elétrica. / This work presents a method to determine the spatial-temporal growth of electric energy demand due to changes in consumption habits in the residential sector. The proposal is based on a geographically weighted regression that allows us to determine the spatial location of the sectors with the highest proportion of candidate households to buy a new appliance, and a logistic distribution regression that allows us to simulate in each of these sectors, the growth over time, the proportion of households that are candidates to buy this appliance. Finally, the method determines the impact on the load curves of the distribution transformers, considering: the number of candidate households in each sector, and information of the home appliance, such as: load curve in pu, nominal power, utilization factor, Coincidence factor and power factor. The study area is divided into small subareas with the aim of improving the spatial resolution of the prognosis and also considers the interrelation of proximity between the subareas to determine how decisions made in one place can influence the preferences of its neighbors. The input data of the proposed method are socioeconomic variables of the population census, which are easily accessible to companies in the electricity sector, and which characterize the economy and the preferences of the population of the studied city. The method was applied in a medium-sized city of the Republic of Ecuador in order to determine the spatial-temporal growth of energy demand due to the purchase of induction stoves. The results obtained are maps that allow identifying the most vulnerable sectors to show increased demand due to the purchase of the appliance. Also, graphs were obtained that show the impact on the load curves of the transformers during the established study period. These results provide important information that serve as a reference in planning the distribution system and the electricity market.