O Uso de Famílias de Circuitos e Rede Neural Artificial para Previsão de Demanda de Energia Elétrica

Abstract

A busca pela melhoria na qualidade da distribuição é uma constante nas empresas de energia. As metodologias atuais de supervisão das redes de distribuição utilizando geoprocessamento baseiam-se no cálculo de demanda dos transformadores através do uso de uma única curva de correlação kWh x kVA que emprega técnicas estatísticas. Este método é
denominado método indireto de previsão da carga, e dele decorrem todos os cálculos elétricos do circuito para aferir seu desempenho quanto à qualidade dos níveis de tensão, do carregamento dos equipamentos e condutores, do balanceamento da carga, bem como das perdas elétricas. Este artigo apresenta uma proposta de estudo das famílias de circuitos (residencial, comercial, industrial, rural, público e outros) utilizando informações sobre o consumo de energia através da aplicação de algoritmos de clustering e, posteriormente, da aplicação de uma Rede Neural Artificial (RNA) para a aproximação das curvas de demanda para as famílias identificadas. A RNA utilizada foi a Radial Basis Function (RBF), por ser um aproximador universal. São também apresentados no artigo testes comparativos realizados com o modelo de regressão linear simples e a RBF.