UNIVERSIDADE FEDERAL DO PARANÁ
Programa de Pós-Graduação em Métodos Numéricos em Engenharia
Previsão Espacial de Cargas Elétricas
em Sistemas de Distribuição
Utilizando Redes Neurais Artificiais e
Plataforma GIS
Aluna de mestrado: Helena Sayuri Batori
Orientador: Prof. Sérgio Scheer
Co-Orientador : Prof. Paulo Henrique Siqueira
Co-Orientador : Vitor Hugo Ferreira
Objetivos


Saber a localização da carga futura
para o planejamento de expansão
da rede elétrica
As redes neurais artificiais podem
ser utilizadas para extrair
significativas associações entre o
dado espacial e o crescimento de
cargas
Objetivos


O objetivo da metodologia não é apenas a
previsão de demanda futura, mas a
distribuição desta na área de influência da
empresa.
Oferecer uma ferramenta de fácil
manipulação que permita a inserção de
feições espaciais que podem acontecer ou
não, simulando diferentes cenários.
Informações de Entrada
Elementos socioeconômicos da
região
 Crescimento da população, do
comércio e da indústria
 Infra-estrutura (shoppings,
estradas, revitalizações, etc.)
 Crescimento do PIB da região
 Uso do Solo

Pequenas Áreas de Previsão
Técnicas:
Tendência x Uso do Solo
Tendência: os dados históricos de
carga máxima são ajustados por
uma curva para calcular previsões.
Simulações pelo Uso do Solo (pode-se
adicionar o uso do solo por classes
residenciais, comerciais, industriais)
Técnicas encontradas na literatura



Estatísticas de Tendência
Clustering
VAI – Vacant Area Inference  regressão
múltipla
Técnicas encontradas na literatura

LTC – Load Transfer Coupling 
forma modificada da regressão de
Markov
Técnicas encontradas na literatura
Uso do Solo (Urbano, Suburbano,
Ocupação Rural, Agricultura e
outros)
 Diferentes resoluções
 Fuzzy Inference Model
 Knowledge Discovery in Database
 Redes Neurais

Área de abrangência do Caso de Uso
O projeto será desenvolvido para uma
pequena área de Curitiba,
provavelmente a região entre o
Centro e São José dos Pinhais.
Dados
A Copel possui todos os seus consumidores
georreferenciados, então os consumos
são acumulados em quadrículas de 1 km2
As demandas por quadrículas são calculadas
por classe de consumo, e ajustadas às
leituras das cargas dos equipamentos.
Foi solicitado à Copel os dados históricos de
número de consumidores, demanda,
consumo de energia, etc. das quadrículas
da região de estudo.
Cartografia
Feições Geográficas


Por exemplo, a construção de um
shopping center facilita o
crescimento da demanda residencial
próxima da sua área de influência
A construção de uma rodovia facilita
o crescimento da demanda
industrial na área.
Feições Geográficas








Temperatura, Luminosidade, Umidade
Leis de Zoneamento
Situação Econômica
Rios e Lagos
Áreas de Preservação Ambiental
Áreas de Assentamentos
Áreas Indígenas
Rodovias e Estradas
Metodologia


Os dados espaciais e não-espaciais serão
organizados num banco de dados
relacional, e sua visualização se dará
usando o software Gis , o ArcGis.
A manipulação dos dados, bem como a
aplicação de uma rede neural artificial
para determinar a previsão de cargas das
quadrículas será desenvolvida usando o
MatLab e a linguagem de programação
C# ou C++ e as classes de objeto do
ArcGis para pesquisas geográficas.
Resultados

O resultado desejado é um mapa da
cidade, com vários cenários futuros,
onde se pode observar a
distribuição espacial da carga
mediante gráficos de densidade de
carga.
Bibliografia



Willis, H.Lee - Spatial Electric Load Forecasting,
1996
Ferreira, V. H. Desenvolvimento de modelos
neurais autônomos para previsão de carga
elétrica – Tese de Doutorado em Engenharia
Elétrica em 2008 da Universidade Federal do Rio de
Janeiro
Correa, G.C. Otimização da locação de
subestações para o planejamento da expansão
da rede elétrica de distribuição. 2003
Dissertação de Mestrado CEFET-PR Curso de PósGraduação em Engenharia Elétrica e Informática
Industrial.
FIM