Este trabalho tem por objetivo apresentar e discutir alguns modelos para cálculo de perdas técnicas e não técnicas em sistemas de distribuição, considerando diversas alternativas em função da disponibilidade de dados. A discussão é de fundamental importância, na medida que o setor elétrico passa a enfrentar novos desafios, tais como o cálculo de redes de baixa tensão com cadastro incompleto e o cálculo de perdas não técnicas com sua respectiva parcela de perdas técnicas. Para o cálculo das perdas em redes de baixa tensão com cadastro incompleto, duas situações são consideradas. Na primeira, a rede é conhecida, porém não se conhece a localização de seus consumidores. Na segunda situação, também a rede é desconhecida. Neste último caso, para superar o problema de ausência de informações, são utilizadas técnicas de classificação para definir um conjunto de padrões de redes típicas e posterior associação de cada rede a um padrão previamente estabelecido. Também são utilizados alguns modelos de distribuição da carga e a consideração de incertezas é contemplada a partir de números difusos. Para calcular as perdas não técnicas com sua respectiva parcela de perdas técnicas, propõe-se um método para corrigir a energia faturada dos consumidores a partir do conhecimento da energia medida e das perdas técnicas calculadas. Uma extensão desse método ainda permite calcular as perdas de forma rápida e sem grandes esforços computacionais (método expedito), partindo do resultados de um cálculo realizado com um método convencional. Todos os modelos propostos são aplicados a redes de distribuição reais. Os resultados obtidos são analisados e comparados a valores de referência e é discutida a aplicabilidade dos modelos, bem como suas respectivas faixas de validade. / This work aims at presenting and discussing some models for calculating technical and non-technical losses in distribution systems. The proposed methods comprise several possibilities depending on the available data. This discussion is very important since the electric sector faces new challenges, such as technical loss estimation in low voltage networks with incomplete data. The evaluation of non-technical losses is also herein discussed. Regarding loss estimation with incomplete data, two conditions are considered. In the first one, the network data is known, but the customers location are unavailable. In the second one, the network data is not completely known as well. In this latter condition, in order to overcome the lack of sufficient data, classification techniques are used to establish a set of typical network patterns and to associate each network to a previously established pattern. Some load distribution models are also used and the uncertainties are considered by the use of fuzzy sets. In order to estimate the non-technical losses and their related technical losses, a method to adjust the billed energy in all customers is proposed. This is accomplished by using the computed technical losses and the measured energy at the substation site. This method also makes possible the assessment of technical losses in a quick way with a low computational effort (fast method). Such method is accomplished by using the results of a calculation previously performed using the conventional method. All the proposed methods are applied to real distribution networks. The obtained results are discussed and compared to the results obtained with the conventional method. The applicability of each model is also discussed.

Este trabalho tem por objetivo apresentar e discutir alguns modelos para cálculo de perdas técnicas e não técnicas em sistemas de distribuição, considerando diversas alternativas em função da disponibilidade de dados. A discussão é de fundamental importância, na medida que o setor elétrico passa a enfrentar novos desafios, tais como o cálculo de redes de baixa tensão com cadastro incompleto e o cálculo de perdas não técnicas com sua respectiva parcela de perdas técnicas. Para o cálculo das perdas em redes de baixa tensão com cadastro incompleto, duas situações são consideradas. Na primeira, a rede é conhecida, porém não se conhece a localização de seus consumidores. Na segunda situação, também a rede é desconhecida. Neste último caso, para superar o problema de ausência de informações, são utilizadas técnicas de classificação para definir um conjunto de padrões de redes típicas e posterior associação de cada rede a um padrão previamente estabelecido. Também são utilizados alguns modelos de distribuição da carga e a consideração de incertezas é contemplada a partir de números difusos. Para calcular as perdas não técnicas com sua respectiva parcela de perdas técnicas, propõe-se um método para corrigir a energia faturada dos consumidores a partir do conhecimento da energia medida e das perdas técnicas calculadas. Uma extensão desse método ainda permite calcular as perdas de forma rápida e sem grandes esforços computacionais (método expedito), partindo do resultados de um cálculo realizado com um método convencional. Todos os modelos propostos são aplicados a redes de distribuição reais. Os resultados obtidos são analisados e comparados a valores de referência e é discutida a aplicabilidade dos modelos, bem como suas respectivas faixas de validade. / This work aims at presenting and discussing some models for calculating technical and non-technical losses in distribution systems. The proposed methods comprise several possibilities depending on the available data. This discussion is very important since the electric sector faces new challenges, such as technical loss estimation in low voltage networks with incomplete data. The evaluation of non-technical losses is also herein discussed. Regarding loss estimation with incomplete data, two conditions are considered. In the first one, the network data is known, but the customers location are unavailable. In the second one, the network data is not completely known as well. In this latter condition, in order to overcome the lack of sufficient data, classification techniques are used to establish a set of typical network patterns and to associate each network to a previously established pattern. Some load distribution models are also used and the uncertainties are considered by the use of fuzzy sets. In order to estimate the non-technical losses and their related technical losses, a method to adjust the billed energy in all customers is proposed. This is accomplished by using the computed technical losses and the measured energy at the substation site. This method also makes possible the assessment of technical losses in a quick way with a low computational effort (fast method). Such method is accomplished by using the results of a calculation previously performed using the conventional method. All the proposed methods are applied to real distribution networks. The obtained results are discussed and compared to the results obtained with the conventional method. The applicability of each model is also discussed.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-11-12T19:08:26Z No. of bitstreams: 1 ALCIDES LEITE DE AMORIM - DISSERTAÇÃO PPGECA 1990..pdf: 35306341 bytes, checksum: 58ca99353fdbe330c0375e0d09e45b9a (MD5) / Made available in DSpace on 2018-11-12T19:08:26Z (GMT). No. of bitstreams: 1 ALCIDES LEITE DE AMORIM - DISSERTAÇÃO PPGECA 1990..pdf: 35306341 bytes, checksum: 58ca99353fdbe330c0375e0d09e45b9a (MD5) Previous issue date: 1990-12 / O presente trabalho constitui um estudo da região do nordeste brasileiro, objetivando a definição de regiões representadas pelos postos ou estações com características semelhantes em função de conjuntos de variáveis pluviométricas e fluviométricas. Utilizou-se técnicas de classificação automática aplicadas ao conjunto de variáveis que foram obtidas da combinação do período de referência (ano, semestre e trimestre) com os parâmetros (média aritmética, desvio padrão, coeficiente de variação e coeficiente de assimetria) e o valor máximo. Os dados pluviométricos são compostos por quatrocentos postos no intervalo de tempo entre 1337 e 1973, com trinta anos de registros e uma folga de cinco anos, enquanto os fluviométricos de noventa e sete estações com pelo menos oito anos de registros e que tenham seu inicio nas décadas de sessenta ou setenta ou seu término nas décadas de setenta ou oitenta. Foram aplicados os Métodos "Quick Cluster" e "K-Means" (técnicas de . classificação não hierárquicas) nos conjuntos de variáveis pluviométricas e os Métodos de, "Ward", Ligação Simples, Ligação Completa e Centróide (técnicas hierárquicas) nos conjuntos de variáveis fluviométricas. Foi também discutido a aplicabilidade de cada método. Os resultados decorrentes deste trabalho, ilustrados nos mapas, são úteis para o preenchimento de falhas, geração de dados, determinação da curva regional de probabilidade, determinação de um modelo determinístico tipo Chuva-Uazão, etc. / The present thesis constitutes a study of the north-east region of Brasil, with the objective of defining the groupings of raingauge stations and flow measuring stations, that have similar characteristics. Techniques of automatic cIassifiction as applied to a set of variables were utilised herein. These variables were obtained for a combination of reference periods (being a year, semester or trimester) among the parameters of the station data, such as arithmatic mean, standard deviation, coefficient of variation skewness coefficient and the maximum value. The rainfall data for 400 raingauge stations between the years 1937 to 1973 were utilized in the study. Thirty (30) years of data, with a superposition of atleast 5 years between the stations, were utilized for raingauge stations. The data for flow measuring stations, numbering 97, consisted of reliable data over an eight-year period. The Methods of "Quick Cluster" and "K-Means" (which belong to the techniques of non-hierarquic classification) were applied to the set of precipitation variables and the Methods of," U/ard", Simple Linking, Complete Linking and Centroid (which pertain to hierarquical techniques) were applied to the set of flow variables. The applicability of each of these methods is discussed here-in.