Made available in DSpace on 2014-06-11T19:22:32Z (GMT). No. of bitstreams: 0 Previous issue date: 2011-02-16Bitstream added on 2014-06-13T18:08:28Z : No. of bitstreams: 1 nosefilho_k_me_ilha.pdf: 1257365 bytes, checksum: f5d5c54cd646c650661ad9f32be4a6a4 (MD5) / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / Neste trabalho, dá-se ênfase à previsão de carga multinodal, também conhecida como previsão de carga por barramento. Para realizar esta demanda, há necessidade de dispor de uma técnica que proporcione a precisão desejada, seja confiável e de baixo tempo de processamento. O conhecimento prévio das cargas locais é de extrema importância para o planejamento e operação dos sistemas de energia elétrica. Para realizar a previsão de carga multinodal foram empregadas duas metodologias, uma que prevê as cargas individualmente e outra que utiliza as previsões dos fatores de participação e a previsão de carga global. O principal objetivo deste trabalho é elaborar um modelo de previsor de carga de curto prazo, genérico e que pode ser aplicado na previsão de carga multinodal. Para tanto, utilizou-se redes neurais de regressão generalizada (GRNN), cujas entradas são compostas de variáveis exógenas globais e de cargas locais, sem a necessidade da inclusão de variáveis exógenas locais. Ainda, projetou-se uma nova arquitetura de rede neural artificial, baseada na GRNN, além de propor um procedimento para a redução do número de entradas da GRNN e um filtro para o pré-processamento do banco de dados de treinamento. Os dados, para testar as metodologias e as redes neurais artificiais, são referentes a um subsistema de distribuição de energia elétrica da Nova Zelândia composto por nove subestações / In this work, it is emphasized the multi-nodal load forecast, also known as bus load forecast. To perform this demand, there it is necessary a technique that is precise, trustable and has a short-time processing. The previous knowledge of the local loads is of extreme importance to the planning and operation of the electrical power and energy systems. To perform the multi-nodal load forecast is employed two different methodologies, one that forecast the loads individually and another that uses the participation factors forecasts and the global load forecast. The main objective of this work is to elaborate a generic model of a short-term load forecaster, which can be applied to the multi-nodal load forecast. For this, it was used general regression neural networks (GRNN), with inputs based on external global factors and local loads, without the need of external local factors. Still, it was developed a new architecture of an artificial neural network based on a GRNN and proposed a procedure to reduce the number of input variables of the GRNN and a filter for preprocessing the training data. The dataset, to test the methodologies and the artificial neural networks, refers to a New Zealand electrical distribution subsystem composed of nine substations

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Load forecasting is a very important activity on electric power system operation and planning, because many studies on electricity sector depend on future behavior of the system, requiring the electricity demand forecast for its realization. The very short-term load forecasting has a horizon of few minutes to a few hours and it seeks to translate more accurately the instantaneous profile of load. There are several factors that should be considered in forecasting methods, climatic variables have a major influence on demand trends in the very short term, therefore, they should be incorporated into the projection model. In Brazil, has been growing use of electricity production through the photovoltaic generation, so, for this feature to be used efficiently, energy produced by the solar panels forecast is a tool that contributes to this type of energy act reliably. The main objective of this work is to develop a methodology for load and solar power generation forecasting in the very short-term considering the influence the climatic variables. The methodology for load, wind and solar power generation forecasting considers the climatic variables: temperature, relative humidity, wind speed, solar radiation and atmospheric pressure. The study presents data load for a typical year of a substation of the metropolitan region of Rio Grande do Sul, analyzed with data from a weather station in the region. For calculate the solar power generation forecasting the method uses a model that considers the solar radiation and the temperature to calculate the power produced by the photovoltaic module. The method for the forecast was performed using Excel VBA tool, by grouping the load and climate variables data of history and is based on multiple linear regression. The projection algorithm was tested and compared computationally, based on actual data, presenting significant results, because as it is projected to hours ahead, the data is updated with the actual data every hour, reducing forecast errors, confirming that the considered climatic variables are very important to refine load and generation forecasting methods, essential for system planning. Compared to other existing methods, the proposed method stands out by the fact to consider climatic variables for the projection, and uses the methodology to perform the projection of solar power generation. / A previsão de carga é uma atividade de grande importância inserida na operação e no planejamento do sistema elétrico de potência, pois muitos estudos referentes ao setor elétrico dependem do comportamento futuro do sistema, sendo necessária a previsão de demanda de energia elétrica para sua realização. A previsão de demanda de eletricidade para curtíssimo prazo possui um horizonte de poucos minutos até algumas horas e ela procura traduzir com maior exatidão o perfil instantâneo da carga. Há vários fatores que devem ser considerados nos métodos de previsão, as variáveis climáticas apresentam grande influência na evolução de demanda no curtíssimo prazo, portanto, devem ser incorporadas no modelo de projeção. No Brasil, tem sido crescente a utilização da produção de energia elétrica através da geração fotovoltaica, sendo assim, para que esse recurso seja utilizado de forma eficiente, a previsão da energia produzida pelos painéis solares é uma ferramenta que contribui para que esse tipo de energia atue de forma confiável. O objetivo principal deste trabalho é o desenvolvimento de uma metodologia para previsão de carga e geração de energia solar para o horizonte de curtíssimo prazo, considerando a influência das variáveis climáticas. A metodologia para previsão de carga e geração de energia solar considera as variáveis climáticas: temperatura ambiente, umidade relativa do ar, velocidade do vento, radiação solar e pressão atmosférica. O estudo apresenta dados de carga de uma subestação da região metropolitana do estado do Rio Grande do Sul, analisados com dados de uma estação meteorológica da região. Para o cálculo da previsão da geração solar o método utiliza um modelo que considera a radiação solar e a temperatura para o cálculo da potência produzida pelo módulo fotovoltaico. O método para a previsão foi realizado utilizando a ferramenta VBA do Excel, através do agrupamento dos dados de carga e das variáveis climáticas do histórico e baseia-se na regressão linear múltipla. O algoritmo de previsão foi testado e comparado computacionalmente com base nos dados reais, apresentando resultados significativos, pois como a projeção é para horas a frente, os dados são atualizados com os dados reais a cada hora, diminuindo os erros da previsão, confirmando que as variáveis climáticas consideradas tem grande importância para refinar métodos de previsão de carga e geração de energia solar, fundamental para o planejamento do sistema elétrico. Em relação aos demais métodos já existentes, o método proposto se destaca pelo fato de considerar variáveis climáticas para a projeção de carga, e utiliza a metodologia para realizar a projeção da geração solar.

Virtual Power Plant (VPP) is a concept that aggregate Distributed Energy Resources (DER) together, aims to overcome the capacity limits of single DER and the intermit-ted natural characteristics of renewable energy sources like wind and solar. The whole system can be viewed as a single large-capacity power plant from the system‘s point of view. In this project, the literature review of VPP concept, architecture, existed project and the survey of VPP in Sweden are being conducted first. Secondly, the simplified VPP model is built on MATLAB/Simulink software. The simplified system contains a wind farm, a hydro power plant, a dynamic system load and an infinite bus representing the large transmission grid. During the simulation process, the generation and consump-tion unites are running according to the real history data located in external database. In the third place, optimized control schemes for the hydro unit in VPP model to decrease its effects on transmission grid are implemented in Simulink model. At the same time, hydro turbine should be controlled in an optimized way that without large turbulence. Basically, the hydro power plant is responsible for balancing the active power between the wind farm and dynamic load. Since there is a limit for the hydro turbine output, the rest of either power shortage or surplus power need to be com-pensated by the grid. This is the fundamental control scheme, so called run time con-trol scheme. The advanced control schemes here are based on the moving average control method and forecast compensation control method. The forecast compensa-tion control method use the 24 hours ahead load forecasting data generated by Artifi-cial Neural Network. Later on, analysis of those three control schemes will be pre-sented. The last part of the project is the conclusion of the different control schemes according to comparison of their control results.