In transforming the current electricity network, in a so called smart grid, demand forecasting
is relevant to processes such as demand management, demand response, distributed
generation, among others. For consumers, the replacement of electromechanical meters by
electronic meters, enables real-time access to measurement data, providing this data for demand
forecasting.
The present work focuses on consumers with different profiles, commercial, industrial
and institutional, connected to the the distribution network in medium-voltage and loads ranging
between a few tens of kilowatts and two megawatts. For these consumers, very short-term
demand forecasting (up to 2 hours) will be an important tool for decision making in a dynamic
environment, with time-variable energy prices, demand-side management and eventually own
generation.
With the application of demand forecasting methods to various consumers with different
profiles, it is shown that the forecasting methods with better accuracy (lower average error) are
variable from consumer to consumer. For one consumer individually, the method with better
accuracy is also variable, depending on the hour of the day.
Combination of several demand forecasting methods results in similar or better performance
compared to using only a single method. A method of selective combination is proposed,
in order to eliminate the risk of choosing a unique method, which results are unpredictable. The
results of the application of the proposed combination method, on several consumers with different
characteristics, demonstrate that selective combination improves the quality of the forecast. / No processo de transformação das redes de energia elétrica atuais, em redes elétricas
inteligentes (smart grid), a previsão de demanda é relevante para processos como o gerenciamento
da demanda, resposta a demanda, geração distribuída, entre outros. Para os consumidores,
a substituição de medidores eletromecânicos, por medidores eletrônicos, possibilita o
acesso em tempo real aos dados da medição, disponibilizando estes dados para a previsão de
demanda.
O presente trabalho focaliza em consumidores de diferentes perfis, comerciais, industriais
e institucionais, ligados à rede de distribuição em média tensão, com demandas situadas em
uma faixa de algumas dezenas de quilowatts até dois megawatts. Para estes consumidores, uma
previsão de demanda para curtíssimo prazo (até 2 horas) será uma importante ferramenta na
tomada de decisão em um ambiente dinâmico, com tarifas variáveis no tempo, gerenciamento
pelo lado da demanda e eventual geração própria.
A partir da aplicação de métodos de previsão de demanda em consumidores de variados
perfis de carga, é demonstrado que os métodos de previsão com melhor precisão (menor erro
médio) variam de consumidor para consumidor. Para um mesmo consumidor o método de
melhor precisão também é variável, sendo dependente da hora do dia.
Uma combinação de diversos métodos de previsão de demanda resulta em performance
similar ou superior se comparado ao uso de apenas um método individual. Propõe-se um método
de combinação seletiva, com o objetivo de eliminar o risco da escolha de um único método,
cujos resultados são imprevisíveis. Os resultados da aplicação do método de combinação proposto,
em diversos consumidores de características diferentes, demonstram que a combinação
seletiva representa uma melhora na qualidade da previsão.
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufsm.br:1/3692 |
Date | 06 March 2015 |
Creators | Neusser, Lukas |
Contributors | Canha, Luciane Neves, Bordin, Gladis, Pfitscher, Luciano Lopes, Abaide, Alzenira da Rosa, Bernardon, Daniel Pinheiro |
Publisher | Universidade Federal de Santa Maria, Programa de Pós-Graduação em Engenharia Elétrica, UFSM, BR, Engenharia Elétrica |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Format | application/pdf |
Source | reponame:Repositório Institucional da UFSM, instname:Universidade Federal de Santa Maria, instacron:UFSM |
Rights | info:eu-repo/semantics/openAccess |
Relation | 300400000007, 400, 300, 300, 300, 300, 300, 300, ab53fdc5-93b0-417d-b96d-9442b235a1ff, 5b7da117-0e49-4e47-bcfb-97e846ebd283, f9cf8db6-df83-47c1-b733-1ab5a5f82e51, 07ddab3d-be22-4aeb-bf38-72f29c233040, 7fc73649-2258-4f79-a70d-12420bcc1f16, effadc69-7163-4deb-904c-756ce32f6c76 |
Page generated in 0.0018 seconds