Please use this identifier to cite or link to this item:
https://hdl.handle.net/10316/24348
Title: | Caracterização horária de consumos de energia elétrica e previsão de curto prazo em mercados liberalizados | Authors: | Sousa, João Miguel Charrua de | Orientador: | Jorge, Humberto Manuel Matos Neves, Luís Miguel Pires |
Keywords: | Previsão de Consumos de Eletricidade; Perfis de Consumo; Redes Neuronais; Máquinas de Suporte Vetorial; Análise de Sensibilidades; Electric Load Forecasting; Load Profiling; Artificial Neural Networks; Support Vector Machines; Sensitivity Analysis | Issue Date: | 30-Sep-2013 | Citation: | SOUSA, João Miguel Charrua de - Caracterização horária de consumos de energia elétrica e previsão de curto prazo em mercados liberalizados. Coimbra : [s.n.], 2013. Tese de doutoramento | Place of publication or event: | Coimbra | Abstract: | O setor elétrico tem sentido alterações muito significativas nas últimas décadas. Com a
reestruturação do setor elétrico tem-se assistido a um crescente envolvimento e a uma
participação ativa de diferentes agentes, próprio de um setor que passou a ter as suas
atividades integrantes juridicamente separadas e com condições criadas para que exista
concorrência na produção e comercialização. A previsão de consumos é
tradicionalmente imperiosa para o equilíbrio entre a oferta e a procura, bem como para
uma rigorosa gestão e planeamento das redes elétricas de transporte e distribuição. A
sua pertinência é ainda reforçada com a liberalização dos mercados, uma vez que os
comercializadores pretendem dispor de ferramentas que lhes permitam estimar com
acuidade a curva de procura agregada do conjunto de consumidores com quem
contratualizam. Deste modo, terão uma participação mais conscienciosa em regime de
mercado, procedendo a uma ajustada oferta pela quantidade de energia que satisfaça as
necessidades de consumo da sua carteira de consumidores.
Com a liberalização do setor, a caracterização de consumos tornou-se também uma
necessidade legal para permitir o acerto de contas entre o distribuidor e os
comercializadores de eletricidade, sempre que as instalações consumidoras não
disponham de sistemas de medição com apropriados intervalos de integração. O uso de
perfis de consumo é seguido para diferentes classes de consumidores, de modo a que o
consumo total medido nos contadores tradicionais possa ser distribuído de forma
coerente por diferentes períodos horários.
A perspetiva de integração da informação proveniente dos perfis de consumo numa
ótica de previsão tem sido pouco explorada, pelo que esta tese procura avaliar a
pertinência desta informação para melhorar indicadores de previsão. O estudo explora
recentes metodologias de previsão que são também bem reconhecidas na comunidade
científica, como são as redes neuronais artificiais e as máquinas de suporte vetorial.
O estudo é validado através da previsão de consumos para as diferentes horas do dia
seguinte e recorre a dois cenários distintos: no primeiro caso em estudo é considerado
um diagrama de carga simulado resultante da agregação de consumidores individuais,
enquanto o segundo estudo de caso é relativo a uma saída específica de uma subestação
de distribuição de 60/15kV. Os resultados de previsão apresentam erros percentuais
absolutos médios da ordem dos 5% em amostras de teste para os dois estudos de caso considerados. A integração de informação proveniente da classificação de consumidores
resulta no aumento da qualidade de previsão, nomeadamente em dias especiais, o que é
também confirmado através da elevada dependência que os modelos usados têm a estas
novas entradas. The electricity sector has been subjected to significant changes in the last decades. The sector deregulation has prompted an increasing involvement and a more active participation of the different agents, as a result from the legal split of the different activities and the establishment of the necessary conditions to enable competition at the production and retail levels. Load forecasting is not only traditionally fundamental to provide a balance between the supply and demand, but also valuable to the electric grid management and planning. The sector liberalization reinforces the importance of load forecasting, because the different suppliers intend to employ useful tools to accurately estimate the aggregated load curve relative to their group of customers. This way, the suppliers may have a more conscientious participation in an open market in order to make reasoned offers for the amount of energy that meets the consumers‟ requirements. Also associated with the liberalization of the energy markets, the characterization of consumption became mandatory in order to enable the settlement between the distributor and the different suppliers, whenever the consuming facilities are not equipped with metering systems with appropriate integration intervals. The use of load profiles for different consumer classes allows for a coherent distribution of the total consumption recorded in the traditional energy meters by different hourly periods. The perspective of integrating information derived from load profiles in load forecasting has not yet being well exploited, so this work intends to evaluate the relative importance that this kind of information could have in guaranteeing an improvement in forecasting indicators. The study explores actual and well accepted forecasting methodologies as the artificial neural networks and support vector machines. The study is validated through the load forecasting for the following day in two different scenarios: in the first case study a simulated load diagram resulting from individual consumers‟ aggregation is considered, while the second case study is related to a specific output of a 60/15kV distribution substation. The forecasting results show mean absolute percentage errors of approximately 5% in testing samples for both case studies. It was proven that integrating information derived from consumers‟ classification raises the forecasting quality, mainly on special days, which is also confirmed by the high dependence of the different models used to these new inputs. |
Description: | Tese de doutoramento em Engenharia Eletrotécnica, na especialidade de Sistemas de Energia, apresentada à Faculdade de Ciências e Tecnologia da Universidade de Coimbra | URI: | https://hdl.handle.net/10316/24348 | Rights: | openAccess |
Appears in Collections: | FCTUC Eng.Electrotécnica - Teses de Doutoramento |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
TESE_PhD_Joao_Sousa.pdf | 3.77 MB | Adobe PDF | View/Open |
Page view(s) 50
590
checked on Oct 15, 2024
Download(s)
120
checked on Oct 15, 2024
Google ScholarTM
Check
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.