Um modelo para descrição e previsão da demanda dos consumidores industriais de energia elétrica

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-graduação em Engenharia Elétrica, Florianópolis, 2009A estreita relação existente entre oferta e demanda é um dos temas centrais do planejamento e da operação dos sistemas de energia elétrica. O desconhecimento sobre o comportamento do consumidor pode ter consequências graves ao equilíbrio entre a oferta e a demanda. A dinâmica de mercados competitivos de energia elétrica envolvendo grandes consumidores industriais exige um alto nível de conhecimento sobre a evolução da demanda. Neste trabalho apresenta-se um novo modelo para descrever e prever a demanda dos consumidores industriais de energia elétrica, de forma desagregada. Por meio de um modelo descritivo da demanda é possível quantificar a influência de fatores econômicos e/ou climáticos característicos de um segmento da indústria. A partir desse conhecimento, o trabalho apresenta um modelo de preditivo, baseado em redes neurais artificiais, para estimar o consumo nos meses seguintes. O diferencial deste trabalho está na aplicação de técnicas de mineração de dados como suporte à integração do modelo econométrico de descrição com o modelo neural de previsão. Para validação da metodologia proposta foram utilizados dados mensais de consumo das indústrias têxtil e metalúrgicas de Santa Catarina, fornecidos pelas Centrais Elétricas de Santa Catarina - CELESC S.A. Os resultados da pesquisa podem contribuir para o planejamento da produção e comercialização da energia elétrica, principalmente em mercados competitivos, gerando maior comprometimento nas relações de comercialização da energia elétrica.The narrow relationship between demand and supply is of paramount importance for planning and operation of electrical power systems. The lack of knowledge about consumer's behavior may lead to serious problems to the balance between supply and demand. The dynamic of competitive markets related to great industrial consumers needs a high level of knowledge about the market evolution. Then, this work presents a new model to describe and foresee the separated demand of great industrial consumers of electrical energy. It is possible to include the economic and climatic factors, which are characteristics of some industrial sector, by using an appropriated modeling technique. Afterwards, it is developed a predictive model based on neural networks to estimate the demand up to 12 months ahead. The main contribution of this thesis is in the application of data mining procedures as an aid to integrate the econometric model of description with the neural network model of demand forecasting. To validate these models real data were used from CELESC, a south brazilian power utility, referring to textile and metallurgical Industrial sectors. The results of this research have demonstrated that the proposed model is a promising computational tool to improve the understanding of the electrical energy production business