Determinação de curvas tipicas de demanda de consumidores de baixa tensão utilizando mapas auto-organizáveis (som) para agrupamentos e conjuntos aproximados para classificação de consumidores

Abstract

O objetivo deste trabalho é descrever uma metodologia, baseada em Inteligencia Artificial, para estimar a curva diária de demanda de consumidores de baixa tensão, em uma empresa de energia elétrica. Essa metodologia utiliza os Mapas Auto-Organizáveis (SOM) e os Conjuntos Aproximados para estimativa. Os primeiros são usados para definir as curvas de protó tipos que representam o espaço de possibilidades das curvas dos consumidores e, também, para encontrar os agrupamentos e suas curvas representativas. As curvas medidas, pertencentes a cada agrupamento, são agregadas e resultam em uma outra, a curva tipica, acompanhada da curva de desvio padrão, passando, então, a representar o agrupamento. Os Conjuntos Aproximados são usados, seguidamente, para classificar cada consumidor a uma curva tipica, com base em algumas caracteristicas existentes no banco de dados da Empresa, como: consumo mensal, tipo de consumidor, número de fases. Esses atributos servem de dados de entrada para obter as regras de classificação. A validação da metodologia foi alcançada por meio de uma amostra de medições de transformadores. Os resultados encontrados foram satisfatórios e mostraram que a metodologia é aplicável a esse tipo de problema. A metodologia foi incorporada a alguns sistemas computacionais da Empresa, como suporte à decisão de investimento e, também, para análise das perdas elétricas.

The objective of this work is to describe an artificial intelligence based methodology to estimate the daily demand curve of low voltage electrical energy consumers of a electricity distribution company. This methodology uses SOM - Self-Organizing Maps and Rough Sets to do the estimation. The SOM is used find a set of curves prototypes, which represents the space of possible curves of the consumers, and also to find the clusters of such curve space. The curves inside of each cluster are then statistically aggregated resulting in a unique curve, the so called typical curve, which is used to represent such cluster. In its turn, Rough Sets is used to classify each costumer to a typical curve based in some of its features existing in the electricity distribution company database. Costumers' features such as monthly bill, consumer type, number of phases, and so on are used as inputs in order to do the classification. The methodology validation was achieved through out transformer samples. The results found were satisfactory and demonstrate that the methodology is applicable to this type of problem. This methodology was incorporated some computational systems of the Company as it has also support the decision of investment and for analysis of the electric losses.