Parceria
 Estatísticos Fernando
 PhD. Miguel Taube.
e Amauri.
 Modelagem Matemática
 Ex-colaboradores da
CPFL.
 Curva de Carga,
Previsão de Demanda
e Gestão de Mercado.
e Estatística.
 Logística, Planej. e
Controle de Produção e
Previsão de Demanda.
 Consultores:
PhD. Milioni,
MSc. Eduardo, e
MSc. Luzia.
 Bacharel em Computação
Michel Cusnir.
 Desenvolvimento em
Tecnologia de Software.
 Desenvolvimento de
Sistemas, Integração de
Sistemas e Tecnologias,
Consultoria em Tecnologia
de Informação.
 Programador: Marcos Piaia.
• Objetivo do Sistema:
• Fornecer a previsão de demanda, por barramento, para
os estudos de planejamento da operação e da expansão
do sistema de transmissão da CPFL e para o ONS;
• Ferramenta de análise de dados de curvas de carga de
subestações, alimentadores e consumidores.
• Facilidade de uso e Interatividade:
• Critérios
• Desafio:
• Possibilitar acesso às informações das curvas
• Manter a flexibilidade no acesso a esses dados
• Possibilitar a identificação da curva requisitada pelo usuário
• Solução:
• Abstrair o contexto das informações
• Viabilizar ao usuário filtrar o que ele quiser
• Estrutura do Sistema:
Equipamento
(Subestações,
Alimentadores)
Consumidor
Ponto de Medição
•Carga
•Data
•96 pontos
Curvas
• Agilidade:
SE (Registradores)
MS Office (Word/Excel)
ERP (SAP)
Consumidor (Registradores)
Subestação (GD)
Sistema
MainFrame
• Regras de Negócio:
• Processos Matemáticos da Previsão
• Processos de análise dos critérios
• Recursos Matemáticos:
• Operações Sobre as Curvas
• Curva Típica
• Previsões
• Componentes do Sistema :
Formatador
Visualizador
Seletor
Carregar
Aparência
Selecionar
Filtro Dinâmico:
Recarregar
Apagar
Importar
Exportar
- Selecionar curvas
Alterar Cores das
Curvas
Operações :
Soma e Subtração
Média e Desvio-Padrão
Potência Aparente
Potência Ativa e Reativa
Estatística
Fator de Potência
Excluir Curvas
Curva Típica
Selecionar Curvas
Máximas e Mínimas
•Visualizador:
• Filtro Dinâmico
• Seleção / Exclusão de curvas
• Exportação (Excel)
• Cargas
•Ativo
•Reativo
•Aparente
•Fator de Potência
•Visualizador:
• Operações
•Soma
•Subtração
•Média
•Desvio Padrão
•Multiplicação por escalar
•Visualizador:
• Processos
•Máximas e Mínimas
•Curva Típica
•Concatenação
FECHAMENTO
SE SANTA GENEBRA
CURVAS CONCATENADAS
Curva Típica e Desvios
SE SANTA GENEBRA
Massa de Dados x Resultante
Previsão x Resultante
Evolução da Previsão (Dia Útil)
PREVISÃO DE DEMANDA
DE SUBESTAÇÕES
Projeto CPFL / SEST / UNISOMA
Apresentador: Armando Z. Milioni
Instituto Tecnológico de Aeronáutica
PREVISÃO DE DEMANDA DE SUBESTAÇÕES
I. Objetivos
II. Magnitude do Problema
III. Metodologia de Previsão
Tratamento aos Dados
Modelagem
IV. Caraterísticas do Sistema
V. Objeto de Desenvolvimento
I. Objetivos:
Previsão de Curvas de Carga Ativa e Reativa por Subestações
e Global para dia útil, sábado e domingo:
• Curto Prazo (mensal e quadrimestral)
• Médio Prazo (16 meses)
• Longo Prazo (48 meses)
Estudo Decenal Coincidente (10 anos)
Estudo Decenal Diversificado (15 anos)
II. Magnitude do Problema:
Previsão de Curvas de Carga (96 pontos)
Tipos de Carga: Ativa e Reativa (2)
Subestações: 250 aproximadamente
Tipos de dia: útil, sábado e domingo (3)
Curto Prazo: 4 meses * 2 * 3 * 250 = 6.000 curvas
ou 6.000 * 96 = 576 mil pontos
Histórico de 60 meses: 1800 *2 * 250 = 900 mil curvas
900.000*96 = 86,4 milhões de pontos
III. Metodologia de Previsão:
Tratamento aos Dados
Dia útil:
 Obtenção da “Curva de Referência”;
 Higienização da “Curva de Referência”;
 Algoritmo “Top Ten”;
 Obtenção da “Curva Resultante”: ativo e reativo.
Sábados e domingos:
 Higienização de todas as curvas;
 Obtenção da “Curva Resultante”: ativo e reativo.
Curvas de um mês m para uma subestação S
6000
5000
4000
3000
2000
1000
94
91
88
85
82
79
76
73
70
67
64
61
58
55
52
49
46
43
40
37
34
31
28
25
22
19
16
13
10
7
4
1
0
95
93
91
89
87
85
83
81
79
77
75
73
71
69
67
65
63
61
59
57
55
53
51
49
47
45
43
41
39
37
35
33
31
29
27
25
23
21
19
17
15
13
11
9
7
5
3
1
Apenas os dias úteis do mês m para a subestação S
6000
5000
4000
3000
2000
1000
0
Curva de Referência em Destaque (sem Higienização)
6000
5000
4000
3000
2000
1000
94
91
88
85
82
79
76
73
70
67
64
61
58
55
52
49
46
43
40
37
34
31
28
25
22
19
16
13
10
7
4
1
0
III. Metodologia de Previsão:
Tratamento aos Dados
Dia útil:
 Obtenção da “Curva de Referência”;
 Higienização da “Curva de Referência”;
 Algoritmo “Top Ten”;
 Obtenção da “Curva Resultante”: ativo e reativo.
Sábados e domingos:
 Higienização de todas as curvas;
 Obtenção da “Curva Resultante”: ativo e reativo.
Curva de Referência em Destaque (sem Higienização)
6000
5000
4000
3000
2000
1000
94
91
88
85
82
79
76
73
70
67
64
61
58
55
52
49
46
43
40
37
34
31
28
25
22
19
16
13
10
7
4
1
0
Curva de Referência em Destaque (após Higienização)
6000
5000
4000
3000
2000
1000
94
91
88
85
82
79
76
73
70
67
64
61
58
55
52
49
46
43
40
37
34
31
28
25
22
19
16
13
10
7
4
1
0
III. Metodologia de Previsão:
Tratamento aos Dados
Dia útil:
 Obtenção da “Curva de Referência”;
 Higienização da “Curva de Referência”;
 Algoritmo “Top Ten”;
 Obtenção da “Curva Resultante”: ativo e reativo.
Sábados e domingos:
 Higienização de todas as curvas;
 Obtenção da “Curva Resultante”: ativo e reativo.
Curvas Selecionadas (Top Ten) e Curva Resultante em Destaque
III. Metodologia de Previsão:
Tratamento aos Dados
Dia útil:
 Obtenção da “Curva de Referência”;
 Higienização da “Curva de Referência”;
 Algoritmo “Top Ten”;
 Obtenção da “Curva Resultante”: ativo e reativo.
Sábados e domingos:
 Higienização de todas as curvas;
 Obtenção da “Curva Resultante”: ativo e reativo.
Curvas Selecionadas (kVar) antes Higienização
e Dia da Referência em Destaque
Curvas Selecionadas (kVar) após Higienização e Resultante em Destaque
III. Metodologia de Previsão: Modelagem
Seleção dos pontos de interesse:
 Horários: 3, 6, 9, 12, 15, 18, 22, 24 e
ponto da máxima;
Série histórica dos pontos: resultantes
Projeção da série histórica dos pontos:
 modelo de séries temporais de Holt-Winter;
Montagem final das curvas projetadas:
 geração dos perfis da evolução horária (máscara).
Evolução da Série Histórica Mensal e Ajuste do
Modelo para o Ponto de Máxima
III. Metodologia de Previsão: Modelagem
Seleção dos pontos de interesse:
 Horários: 3, 6, 9, 12, 15, 18, 22, 24 e
ponto da máxima;
Série histórica dos pontos: resultantes
Projeção da série histórica dos pontos:
 modelo de séries temporais de Holt-Winter;
Montagem final das curvas projetadas:
 geração dos perfis da evolução horária (máscara).
Previsto x Observado
Carga Ativa (Março 2001)
Previsto x Observado
Carga Reativa (Março 2001)
8000
7000
6000
5000
previs ão
4000
obs ervado
3000
2000
1000
93
89
85
81
77
73
69
65
61
57
53
49
45
41
37
33
29
25
21
17
13
9
5
1
0
IV. Características do Sistema
• Sistema integrado e modulável, com duas
funcionalidades:
 armazenamento, tratamento e
visualização de curvas de carga;
 previsão de demanda.
• Sistema de previsão com processamento
automático e com possibilidade de
intervenção.
V. Objeto de Desenvolvimento
• Estudo Decenal Diversificado (15 anos):
Metodologia;
Implementação.
Contato :
e-mail: [email protected]
Fone: (19) 3208-0006
•Onde queremos chegar:
• Modulação de Curvas
• Acesso via WEB
• Cálculo de Perdas
• Tipologia
• Integração com o GIS
• Desagregação por classe de consumo
• Atendimento aos grandes consumidores