1
Desenvolvimento de um Algoritmo para
Determinar Curvas de Carga a partir da Posse e
dos Hábitos de Consumo para Consumidores:
Residenciais, Comerciais e Industriais
K. M. Santos, A. N. Souza, D. S. Gastaldello, C. C. O. Ramos e P. Costa Júnior

Resumo—As modificações econômicas e as preocupações
ambientais estão trazendo novos hábitos de consumo para os
diversos consumidores, alterando desta forma a maneira de
como a energia é utilizada. Este trabalho tem como objetivo
apresentar a construção de curvas de carga diárias de
consumidores residenciais, comerciais e industriais a partir da
posse de equipamentos e hábitos de consumo. E ainda
apresentar uma breve discussão sobre a aplicabilidade das
curvas de carga no planejamento dos sistemas de distribuição de
energia elétrica.
Palavras-Chave—Curvas de carga, qualidade de energia,
distribuição de Energia, Medição de energia.
I. INTRODUÇÃO
N
OS últimos anos, o mercado energético brasileiro tem
recebido influência de um conjunto de fatores e
tendências associados à economia mundial, que ditam as
condições e oportunidades de comércio, fluxo de capitais e
inovações tecnológicas. Essas interações diárias são
determinantes na oferta e demanda de energia.
A edição de 2011 do anuário World Energy Outlook,
divulgado pela Agência Internacional de Energia (AIE)
estima que até 2035 o consumo de energia primária no Brasil
deve aumentar 78%, sendo o segundo país em crescimento de
consumo, perdendo apenas para a Índia.
O lado mais visível da transformação em curso é a recente
escalada de uma massa de pessoas para classes superiores de
consumo. A maior variação deu-se na faixa intermediária, a
chamada classe C, com renda mensal entre R$ 1.062,00 e R$
2.017,00 [1].
A transformação da pirâmide econômica pressiona os
diferentes segmentos da economia, considerando a cadeia de
valores, onde existem fornecedores, produtores, distribuidores
K. M. Santos, A. N. Souza, D. S. Gastaldello e P. Costa Júnior pertencem ao
Departamento de Engenharia Elétrica da Universidade Estadual Paulista –
UNESP, Campus de Bauru, SP, Brasil (e-mails: [email protected],
[email protected], [email protected] e [email protected]).
C. C. O. Ramos pertence ao Departamento de Engenharia Elétrica da
Universidade de São Paulo - USP, São Paulo, SP, Brasil (e-mail:
[email protected]).
e clientes com novas necessidades. E quanto ao sistema de
distribuição e geração de energia não é diferente, estudos
apontam que o consumo médio per capita em 2011 foi de
aproximadamente 2.380 kWh/ano, em 2015 esse consumo
passará para 2.922 kWh/ano e em 2020, 3.561 kWh/ano.
Para atender esse aumento da demanda de energia elétrica
que esta transformação econômica trará o sistema energético
como um todo terá de se mobilizar procurando novas fontes
de geração de energia elétrica e, principalmente, uma
otimização do processo já existente. Sendo assim, a
diminuição de perdas elétricas tanto técnicas quanto
comercias devem ser exploradas ao máximo.
Além disso, deverá haver um planejamento de expansão
eficiente que atenda todos os novos mercados e aqueles que
estão em processo de expansão.
A grande dificuldade encontrada pelas empresas
distribuidoras na obtenção das perdas elétricas de forma
consistente é a quantidade de dados exigida por grande parte
das metodologias encontradas atualmente. A dinâmica das
cargas nos sistemas de distribuição dificulta ainda mais a
atualização desses dados. Assim, a caracterização das cargas
é um dos principais valores para o cálculo das perdas elétricas
[2].
No trabalho [3] é apresentada a caracterização de curvas
de cargas abrangendo consumidores residenciais, comerciais
e industriais ligados em baixa tensão. Neste estudo, foram
utilizados medidores eletrônicos para levantar a utilização
real da energia dos consumidores. Para um dado consumidor
ou transformador calculou-se as curvas médias e de desviopadrão, considerando intervalos de 15 minutos. Essas curvas
foram denominadas: média {µ(t)} e desvio-padrão {σ(t)}.
O passo seguinte foi a elaboração das curvas µ(t) e σ(t)
para os seguimentos do mercado analisados (residencial,
comercial e industrial de baixa tensão). Para isso, os
consumidores residenciais foram agrupados por faixa de
consumo e os consumidores comerciais e industriais por ramo
de atividade. Para obter as curvas de carga dos
transformadores basta agregarem as curvas de carga dos
consumidores a ele conectados.
O estudo feito por [4] apresenta uma ferramenta, o
2
software SIACC – Sistema Inteligente de Análise de Curvas
de Carga que é um sistema computacional georeferenciado
criado para análise de grandezas elétricas provenientes de
medições de curvas de carga, sejam estas medidas em
subestações de distribuição ou em consumidores de baixa e
média tensão. Após tratamento dessas informações de
medição, as mesmas são armazenadas na base de dados do
software proporcionando análises de crescimento espacial de
demanda e consequente avaliação do carregamento e da perda
de vida útil em transformadores de distribuição.
De maneira geral, o SIACC busca atender às necessidades
da análise geográfica da carga que viabilize estudos voltados
para análise de redes e previsão de mercado em diversos
níveis, sendo eles: global, por subestação de distribuição e
espacial.
Desta forma, é proposta a construção de curvas de carga
para consumidores residenciais, comerciais e industriais a
partir da posse de equipamentos e dos hábitos de consumo.
O método proposto neste artigo pode ser aplicado não
apenas ao setor de planejamento das concessionárias, como
também melhorar as estratégias de marketing.
II. METODOLOGIA
Serão apresentadas as metodologias utilizadas para
construir os perfis de cada tipo de consumidor: residencial,
comercial e industrial.
TABELA I
POTÊNCIA DOS EQUIPAMENTOS UTILIZADOS NAS SIMULAÇÕES
Equipamentos
Potência (W)
Televisão
90
Chuveiro
4.400
Geladeira
130
Computador
120
Lâmpada
60
Máquina de Lavar Roupa
500
Aparelho de Som
80
Microondas
1.200
DVD
10
Ferro de Passar
1.000
Esta análise é feita para todos os equipamentos
selecionados para simulação, depois de gerada a curva de
carga de todos os aparelhos é construída a curva de carga
diária da residência simulada somando-se, elemento a
elemento, os vetores de consumo individual dos
equipamentos.
Depois de construída a curva de carga da unidade
consumidora, calcula-se a potência total consumida naquele
dia. Com o intuito de gerar curvas típicas para determinados
perfis, o consumo das residências foi dividido por faixas,
partindo do pressuposto que o consumo de energia elétrica
não sofre oscilações bruscas de um dia para outro, ou seja, o
consumo é uniforme. Desta maneira, os consumidores foram
classificados com base na energia elétrica utilizada. A Tabela
II mostra como foi feita esta divisão.
A. Consumidores Residenciais
Para construir o algoritmo primeiramente foi realizada
uma ampla pesquisa sobre posse de equipamentos e hábitos de
consumo dos consumidores residenciais. Para tal, foi utilizado
o Sistema de Informação de Posses e Hábitos de Uso de
Aparelhos Elétricos – SINPHA, desenvolvido para apresentar
indicadores obtidos a partir dos dados das Pesquisas de Posse
e Hábitos de Consumo de Energia – PPH.
A partir dos levantamentos de dados feitos pelo SINPHA
foi determinada a quantidade máxima de tempo que os
aparelhos ficariam ligados durante o decorrer do dia, para
montar a simulação. Desta maneira, foi usado o método da
roleta viciada, muito usada em algoritmos genéticos, para
sortear o período total que cada aparelho permanece em uso.
Para alocar na curva de potência do equipamento esses
períodos sorteados, um novo sorteio é realizado, sendo que
nesta roleta são colocados os horários possíveis para um
determinado aparelho ser utilizado. Há uma probabilidade
maior de o uso acontecer no horário de ponta. Esta roleta leva
em consideração os hábitos de consumo
A Tabela I apresenta a relação dos aparelhos e suas
respectivas potências utilizadas nas simulações do algoritmo.
TABELA II
CLASSIFICAÇÃO DOS CONSUMIDORES POR FAIXAS DE CONSUMO
Consumo Mensal
Consumo Diário
Perfil
(kWh)
(kWh)
0 - 100
0 - 3,33
A
101 - 200
3,34 - 6,67
B
201 - 300
6,68 - 10
C
301 - 400
10,03 - 13,33
D
Para gerar uma curva de carga típica de cada perfil de
consumidor são geradas diversas curvas, estas são separadas
através da potência consumida. Em seguida, calcula-se a
média das curvas de carga diárias de cada faixa de consumo,
construindo assim a curva característica dos perfis.
É de conhecimento geral que o consumo em dias úteis é
diferente do consumo em finais de semana e feriados. Desta
maneira, o algoritmo foi modificado para estimar curvas de
consumidores residenciais nesses dias em que o consumo é
atípico.
Investigando os hábitos de consumo dos usuários
residenciais, mantendo a mesma relação de equipamentos que
pode ser vista na Tabela II, vê-se que alguns equipamentos
são utilizados por períodos maiores nesses dias. Desta forma,
a estrutura do algoritmo não foi modificada, mas sim o tempo
de uso e o horário de consumo dos equipamentos mais
prováveis de serem utilizados em finais de semana e feriados.
Portanto, a curva de carga de alguns aparelhos será
modificada.
Foram alteradas as curvas de carga dos seguintes
3
equipamentos: televisão, computador, DVD, ferro de passar e
máquina de lavar roupa. Para a televisão e o computador o
tempo de uso máximo durante o dia foi elevado, passou de 8
horas para 10 horas para a televisão; e para o computador, de
3 horas para 5 horas.
A Fig. 1 apresenta um fluxograma do algoritmo construído
para melhor exemplificar a lógica utilizada.
tipo de atividade.
Foi selecionada para a construção da curva de carga diária
a atividade 5.769, que embora não seja a atividade mais
representativa deste segmento comercial, é uma atividade
com posse de equipamentos e hábitos de consumo bem
regulares. O que facilita a estimativa das curvas de carga
dessa atividade, visto que esses tipos de dados são escassos e
de difícil acesso.
Em [5] é apresentada uma classificação das principais
atividades comerciais quanto ao número de consumidores
cadastrados. Esta classificação é apresentada na Tabela III.
TABELA III
POTÊNCIA DOS EQUIPAMENTOS UTILIZADOS NAS SIMULAÇÕES
Atividades
Código
Classificação
Quantidade
Bares, Botequins e Cafés
5.222
1
44.204
Comércio Varejista –
6.199
2
33.750
Outros
Atividades não
6.999
3
28.736
Especificadas
Outros Serviços
5.599
4
27.959
Comerciais
Vestuário e Calçado
6.112
5
18.060
Assistência Odontológica
5.433
6
16.140
Veterinária
Escrit. Empresas – Não
5.769
7
15.178
Específica
Mercearias, Armaz. e
6.114
8
14.276
Padarias
Manut. Conserv. Veículo
5.322
9
12.023
– Geral
Barbearias, Saunas e
5.410
10
10.339
Lavanderias
Fig. 1. Esquema do algoritmo construído.
A probabilidade de uso no período também foi alterada,
para a televisão no algoritmo que simulava o mesmo consumo
para qualquer dia da semana a probabilidade de uso no
horário de ponta era de 60% e os outros 40% era dividido
igualmente no restante do dia. No refinamento feito, a
probabilidade de uso no horário de ponta passou para 35%,
sendo que no período entre as 16 horas e as 18 horas a
probabilidade também é de 35%, entre as 10 horas e o meio
dia a probabilidade de uso é de 25%, os outros 5% restante é
dividido igualmente nos outros períodos do dia. Para o
computador, as alterações foram mais simples, a
probabilidade de uso foi igualmente dividida no período entre
as 14 horas e as 22 horas.
Para o DVD, o ferro de passar e a máquina de lavar roupas
foram aumentados a probabilidades de esses equipamentos
serem usados nesses dias. Essas probabilidades passaram de
50% para 70% para o aparelho de DVD, de 25% para 50%
para o ferro de passar e 50% para 70% para a máquina de
lavar roupas.
B. Consumidores Comerciais
Devido à grande diversidade de atividades de comércios e
de indústrias, são mais de 200 variedades para cada
segmento, é necessário construir as curvas de carga para cada
Inicialmente foram levantados os principais equipamentos
desse ramo de atividade e suas potências nominais. A Tabela
IV apresenta os equipamentos utilizados na construção das
curvas de carga e sua potência consumida. Sendo que o item
servidor corresponde uma central com um computador e um
sistema de refrigeração, e o item segurança corresponde a
uma segunda central capaz de monitorar o estabelecimento e
é composta por um computador, televisão e duas câmeras de
segurança.
TABELA IV
EQUIPAMENTOS UTILIZADOS NAS SIMULAÇÕES
Equipamentos
Potência (W)
Servidor
1.120
Segurança
310
Lâmpada Fluorescente Tubular
40
Impressora
17
Computador
120
Ar-condicionado
1.000
O algoritmo foi construído de maneira semelhante ao de
consumidores residenciais, primeiramente determinam-se as
curvas de carga de todos os equipamentos para
posteriormente estas serem agregadas, formando a curva de
carga diária.
O servidor e o sistema de segurança representam cargas
com consumo constante, pois devem funcionar durante todo o
dia, não podendo ser desligados em momento algum. Já as
4
lâmpadas fluorescentes, os computadores e os arescondicionados são utilizados apenas no horário comercial,
podendo ser desligados durante o horário de almoço.
Outro aspecto relevante para confeccionar as curvas de
carga desse segmento é a quantidade de cada equipamento.
No algoritmo para a lâmpada, o computador e o arcondicionado primeiramente é feito um sorteio para indicar a
quantidade de cada um desses equipamentos. Quanto ao
servidor e a segurança adotou-se que cada estabelecimento
possui apenas um sistema de cada. Por fim, para a impressora
também existe um sorteio que determina quantas vezes o
aparelho será usado durante o dia.
Com o intuito de gerar uma curva de carga diária que
representasse um consumidor comercial da atividade 5.769, o
algoritmo gera uma amostra com quantidade pré-determinada
e calcula a média dessas curvas.
C. Consumidores Industriais
Como já foi dito no item anterior deste artigo, existem
diversos tipos de atividades para o segmento industrial. Em
[5] também é apresentada uma classificação de consumidores
industriais quanto ao número de consumidores cadastrados
por categoria. A Tabela V mostra esses dados até a décima
classificação.
Contudo, mesmo tendo conhecimento sobre a classificação
dos consumidores industriais, de um consumidor para outro
pode haver muitas diferenças quanto aos processos de
fabricação. Fora esta observação, os dados sobre o segmento
industrial não são de fácil acesso. A maioria das
concessionárias não disponibiliza esses tipos de dados, pois
muitas vezes esses dados estão diretamente relacionados com
dados sigilosos da empresa.
TABELA V
CLASSIFICAÇÃO DO SEGMENTO INDUSTRIAL QUANTO AO NÚMERO DE
CONSUMIDORES
Atividade
Código
Classificação
Quantidade
Confecção Roupas e
2.510
1
5.562
Agasalhos
Fabricação de Artigos
1.190
2
4.212
Metal
Padaria
2.670
3
3.471
Serralheria/Reservatório
1.160
4
3.434
Fabricação de Artigos
3.099
5
3.107
Construção Civil
3.210
6
2.099
Fabricação de Peças
1.060
7
2.014
Cimento
Fabricação de Móveis de
1.610
8
1.614
Madeira
Fabricação de Plásticos
2.399
9
1.365
Fabricação de Máquinas
1.299
10
1.241
A saída encontrada para contornar tal obstáculo foi
pesquisar em outros trabalhos dados sobre os segmentos
acima. Em [6] é feito um estudo sobre o consumo de energia
em indústrias têxteis, mostrando a evolução do consumo
energético desse segmento, bem como as oportunidades de
ganhos de eficiência.
O algoritmo foi construído baseando-se em dados
apresentados no trabalho [6]. Foram utilizados os valores
totais da carga instalada em kW por seção da planta
industrial. A Tabela VI apresenta tais dados.
TABELA VI
CARGA INSTALADA EM KW POR SEÇÃO EM UMA INDÚSTRIA TÊXTIL
Seção
Carga Instalada (kW)
Fiação I
4.901
Fiação II
3.388
Acaba mento
1.756
Tecelagem
828
Tintura Fios
1.983
Utilidades
1.926
Escritório e Recepção
359
Total
15.141
O algoritmo construído primeiramente determina a curva
de carga de cada seção. Após determinar estas curvas de
carga, é gerada a curva de carga diária da indústria
agregando-se as curvas das seções.
As curvas de carga foram construídas simulando medições
a cada hora, pois nesses grandes processos de fabricação a
demanda não varia rapidamente. Para construir a curva de
carga da seção o algoritmo inicialmente sorteia a
porcentagem da demanda instalada que será usada, esse
sorteio é feito a cada hora. Esta etapa é feita para todas as
seções durante o horário de funcionamento da indústria que
foi adotado como sendo das 6 horas às 24 horas, o que
corresponde a dois turnos de trabalhadores.
Algumas cargas relacionadas na Tabela VI funcionam
vinte e quatro horas, são elas: a iluminação e ventilação. O
escritório e a recepção funcionam em horário comercial. Os
demais setores funcionam normalmente durante os turnos dos
trabalhadores. Assim como nos outros tipos de consumidores,
o intuito é gerar curvas de carga que representem um perfil
dessa atividade industrial
III. RESULTADOS E DISCUSSÕES
As Fig. 2 e 3 apresentam as curvas diárias de cada perfil
bem como a média dos perfis gerados para dias úteis e
atípicos, respectivamente para consumidores residenciais. Os
perfis construídos para os consumidores residenciais foram
obtidos a partir de uma amostra de 1.000 curvas de carga
tanto para dias úteis quanto para dias atípicos.
Fig. 2. Perfis de consumidores gerados simulando dias úteis.
5
foram satisfatórios, as curvas apresentaram um consumo mais
elevado durante o dia quando comparadas com as curvas de
carga que simulam dias úteis.
Pode-se observar ainda que a demanda média para os
perfis construídos em dias atípicos é maior do que as obtidas
nos perfis construídos para os dias úteis, tal como é mostrado
na Tabela VII. Tal fato era esperado, visto que nesses dias os
consumidores passam mais tempo em suas residências.
Fig. 3. Perfis de consumidores gerados simulando dias atípicos.
A Fig. 4 apresenta um perfil criado pelo algoritmo a partir
de uma amostra de 1.000 curvas de carga diária do
seguimento comercial.
Fig. 4. Perfil gerado para consumidores comerciais do segmento de escritórios
de empresas.
A Fig. 5 apresenta um perfil construído pelo algoritmo
para indústrias têxteis de grande porte, a amostra da qual foi
tirada a média possuía 1.000 curvas de carga.
Fig. 5. Perfil gerado para industriais têxteis de grande porte.
Observando as curvas de carga obtidas para os
consumidores residenciais, pode-se afirmar que os resultados
obtidos estão dentro do esperado, uma vez que as curvas para
dias úteis apresentam um comportamento típico que é um
consumo maior durante o horário de ponta que se dá,
aproximadamente, entre as 18h e às 21h.
Para as curvas dos dias atípicos os resultados também
TABELA VII
COMPARAÇÃO ENTRE A DEMANDA MÉDIA ENTRE DIAS ÚTEIS E ATÍPICOS
Dia Úteis
Dias Atípicos
Perfil
Demanda Média (kW)
Demanda Média (kW)
B
0,0686
0,0689
C
0,0872
0,0919
D
0,1081
0,1123
Os resultados obtidos para os consumidores comerciais e
industriais também se encontram dentro das expectativas,
pois as curvas de carga estão próximas daquelas encontradas
na literatura referente ao assunto.
A curva de carga dos consumidores comerciais apresentou
um consumo praticamente constante durante quase todo o
período comercial, exceto no horário de almoço em que os
funcionários deixam seus postos de trabalho. Já a curva de
carga do perfil do segmento industrial apresentou um bom
comportamento, um consumo com algumas oscilações e uma
brusca queda nos horários de almoço e janta.
A comparação entre curvas de carga de consumidores
industriais não é viável, pois a diferença entre os processos de
produção de uma indústria para outra é muito significativa,
dificultando desta forma o confronto entre diferentes
consumidores.
Vê-se que no horário de ponta a demanda requerida é
muito alta, solicitando grandes esforços dos sistemas de
distribuição. Procurando minimizar tal problema a ANEEL
(Agência Nacional de Energia Elétrica) está ampliando o
conjunto de modalidades de cobrança de tarifa para os
consumidores ligados em baixa tensão, e desta forma
promover um deslocamento temporal do consumo. Esta
mudança afetaria principalmente os consumidores
residenciais [7].
A consequência seria a redução do custo médio para o
consumidor e aumento da eficiência no uso das redes de
distribuição de energia elétrica, que pode resultar, assim, em
postergação de investimentos.
Um estudo feito pela ANEEL evidencia os benefícios para
o sistema de distribuição que a realocação de uma parte do
consumo ao longo do dia pode trazer. Suponha um usuário
com consumo de 50% da energia elétrica no horário de ponta,
com duração de 3 horas, aproximadamente entre as 18 horas
e as 21 horas, por um alimentador exclusivo, com perda de
3%. O deslocamento de 20% do consumo durante o horário
de ponta, sem redução da energia consumida induz dois
efeitos no alimentador: redução de 40% no carregamento e de
1,32% no nível de perdas técnicas [7]. Portanto, a diminuição
6
do consumo na hora da ponta de carga leva à redução nos
investimentos futuros para atendimentos de consumos
marginais
Entretanto, para ocorrer a implantação da mudança na
forma de tarifar os consumidores ligados em baixa tensão será
necessário substituir os medidores convencionais por
medidores eletrônicos. Como a tecnologia do smart meter é
relativamente recente, ainda está sendo desenvolvido um
medidor que atenda as necessidades tanto dos consumidores
quanto das concessionárias.
VI. REFERÊNCIAS
[1]
[2]
[3]
[4]
IV. CONCLUSÕES
Este artigo apresentou o desenvolvimento de um algoritmo
que tem como objetivo gerar curvas de carga de consumidores
residenciais em dias úteis e atípicos e ainda, gerar curvas
típicas de carga para consumidores comerciais para a
atividade escritório de empresa (atividade 5.769) e para
consumidores industriais do tipo têxtil com elevada carga
instalada.
Os resultados referentes à simulação de consumo podem
ser considerados satisfatórios, uma vez que as curvas de carga
geradas pelas simulações apresentaram comportamento
semelhante às curvas obtidas em situações reais de medição.
O comportamento de consumo de cada perfil gerado pode ser
analisado pelos dados extraídos destas curvas.
Alguns levantamentos feitos sobre o crescimento da
demanda de energia elétrica nos próximos anos no Brasil
reforça a importância do conhecimento dos hábitos de
consumo e da posse de equipamentos dos diversos tipos de
consumidores frente ao planejamento do sistema elétrico. O
uso consciente por parte dos consumidores traz benefícios
tanto para as concessionárias quanto aos próprios
consumidores.
A possibilidade do conhecimento da carga a ser atendida
pode trazer consideráveis melhorias quanto ao que se diz
respeito ao conhecimento dos reais requisitos de cada parcela
do mercado consumidor, a definição dos custos de
fornecimento, otimização dos recursos destinados ao
planejamento de expansão dos sistemas elétricos, dentre
outros.
Um importante passo a ser dado é ampliação do algoritmo
para construir curvas de carga de consumidores comerciais e
industriais e atender novas atividades desses segmentos,
mesmo diante das dificuldades em se obter alguns dados,
principalmente referente a consumidores industriais.
As etapas seguintes da pesquisa serão realizadas visando o
aprimoramento do algoritmo construído com a implantação
de técnicas de inteligência artificial na classificação de
padrões de consumo. Por fim, será feita a realização de testes
e validações das topologias inteligentes desenvolvidas.
V. AGRADECIMENTOS
Agradecemos a FAPESP pelo incentivo e apoio financeiro
dado a esta pesquisa.
[5]
[6]
[7]
P. Peduzzin. Demanda de Energia no Brasil Crescerá 78% até 2035.
[Online].
Disponível:
http://www.planetasustentavel.abril.com.br/noticia/energia/demandaenergia-brasil-crescera-78-2035-648158.shtmal.
M. E. Oliveira, "Avaliação de Metodologias de Cálculo de Perdas Técnicas
em Sistemas de Distribuição de Energia Elétrica," Tese de Doutorado,
Universidade Estadual Paulista, Campus de Ilha Solteira, Departamento de
Engenharia Elétrica, 2009.
J. A. Jardini, C. M. V. Tahan, M. R. Gouvêa, S. U. Ahn e F. M.
Figueiredo, " Daily Load Profiles for Residential, Commercial and
Industrial Low Voltage Consumers," IEEE Trans. Power Delivery, vol. 15
no. 1, 2000.
C. C. B. Oliveira, M. M. Filho, C. S. Silveira, R. G. Moreno, E. A.
Ushimara, P. F. B. Junior, E. L. C. Maques, M. A. S. Ferreira e R. O.
Guimarães, “SIACC – Sistema Inteligente de Análise de Curvas de Carga
pra Estudos de Previsão de Demanda e de Análise de Redes,” in XIX
Seminário Nacional de Distribuição de Energia Elétrica, 2010.
J. A. Jardini, Curvas de Carga, São Paulo, 1999.
S. M. G. Guerra, M. A. Danella, S. A. S. Silva e R. A. Castro. Consumo de
Energia e Desempenho da Indústria Têxtil Oportunidades de
Eficientização
Energética
[Online].
Disponível:
http://seeds.usp.br/portal/modules/news/
ANEEL, Estrutura Tarifária Para o Serviço de Distribuição de Energia
Elétrica. Nota Técnica nº 362/2010-SRE-SRD/ANEEL Brasília, 06 de
Dezembro de 2010.
Download

Desenvolvimento de um Algoritmo para Determinar Curvas