Made available in DSpace on 2014-06-11T19:30:51Z (GMT). No. of bitstreams: 0
Previous issue date: 2008-02-19Bitstream added on 2014-06-13T20:21:18Z : No. of bitstreams: 1
carrenofranco_em_dr_ilha.pdf: 1104356 bytes, checksum: 59a394b0ff72282b6f0e2b9aaffacc4f (MD5) / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / 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 de 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. As metodologias de previsão espacial de demanda requerem uma grande quantidade de dados do sistema elétrico, das características socioeconômicas da região e da população, que geralmente não são de fácil coleta nem manipulação, e muitas vezes não estão disponíveis. Nesta tese apresenta-se e aplica-se uma nova metodologia de previsão espacial de demanda, a partir de um algoritmo de extração de conhecimento baseado em conceitos de algoritmos evolutivos e regras de classificação lingüísticas, para caracterizar a área de serviço e identificar novas áreas com possibilidades de aumento de carga futuro. Com o algoritmo desenvolvido, toda a informação disponível de uma base de dados espacial é extraída, sem importar o tamanho desta, assim, apresenta como flexibilidade o fato de poder ser aplicado em diferentes situações. Além disso, permite o acesso a novas e diferentes bases de dados no futuro. A metodologia proposta foi aplicada em um sistema real de uma cidade de porte médio, com cerca de duzentos mil habitantes, apresentado respostas com acerto em torno de 95%, quando comparadas com as obtidas por especialistas que realizam a projeção de demanda na região. Adicionalmente, são obtidos resultados importantes sobre áreas do município com potencial de desenvolvimento, no longo prazo, que geralmente não são indicadas pelos especialistas. / Spatial electric load forecasting in electric energy distribution systems try to find out the spatial-temporal distribution of the electric energy demand growth in the service area. This information is of vital importance to support the decision-making process in planning the expansion and operation of distribution networks in the medium and long term. The methodologies for spatial electric load forecasting require many data from the electrical system, socioeconomic characteristics of the region and population, which generally are not easy to collect or manipulate, and often are not available. In this thesis, a new spatial electric load forecasting methodology is presented. To characterize the service area and identify the new areas with growth possibility in the future, the methodology uses elements from knowledge extraction, language based classification rules and evolutionary algorithms. The algorithm developed extract all available information from a spatial database no matter the size of it, thus, one of its main advantages is the flexibility to be applied in different situations. In addition, it allows access to new and different databases in the future. The proposed methodology was applied in a real distribution system of a medium size city, about two hundred thousand inhabitants, with a 95% success rate when compared with results obtained by specialists who perform the load forecasting in the region. Also, important results are obtained about areas of the town with development potential in the long term, which generally are not listed by the specialists.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unesp.br:11449/100359 |
| Date | 19 February 2008 |
| Creators | Carreño Franco, Edgar Manuel [UNESP] |
| Contributors | Universidade Estadual Paulista (UNESP), Feltrin, Antonio Padilha [UNESP] |
| Publisher | Universidade Estadual Paulista (UNESP) |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Format | 104 f. : il. (algumas color.) |
| Source | Aleph, reponame:Repositório Institucional da UNESP, instname:Universidade Estadual Paulista, instacron:UNESP |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | -1, -1 |
Page generated in 0.0026 seconds