[pt] A INFLUÊNCIA DE FATORES CLIMÁTICOS, ECONÔMICOS E TEMPORAIS NA PREVISÃO DE CARGA E DE FATURAMENTO DE UMA CONCESSIONÁRIA DE ENERGIA ELÉTRICA

[en] THE INFLUENCE OF CLIMATIC FACTORS, ECONOMIC AND TEMPORAL LOAD FORECASTING AND BILLING OF AN ELECTRIC UTILITIES

[pt] JULIANA CARDOSO ARAUJO MATTOSO

[pt] REDE NEURAL

[pt] DIFERENTES CLASSES

[pt] INDICES FINANCEIROS

[pt] SENSACAO TERMICA

[pt] FATURAMENTO

[pt] CARGA

[pt] PREVISAO

[en] NEURAL NETWORKS

[en] FINANCIAL RATIOS

[en] BILLING

[en] LOAD

[en] FORECASTING

[pt] Com a entrada do novo modelo do setor elétrico, a previsão do consumo e de faturamento de energia elétrica passou a ter grande importância para as distribuidoras de energia elétrica, pois melhorando sua acertividade as empresas poderão elaborar seus programas de planejamento energético, manutenção e expansão de seu sistema de distribuição e principalmente evitar gastos com multas pelo não atendimento à totalidade de seu mercado consumidor. Para que esta previsão seja feita é necessário que se obtenham, os dados históricos do consumo de energia elétrica, da carga fornecida pela Distribuidora, porém como esses dados são séries multivariadas, isto é, são séries temporais que dependem de outras variáveis exógenas, levou-se em consideração também as séries climáticas (sensação térmica), as econômicas (índices financeiros) e o fator temporal (dias úteis, feriados, finais de semana.....). Este estudo, propõe um método alternativo para previsão de consumo e faturamento de energia elétrica, 15 passos a frente, através do desenvolvimento de um sistema inteligente, chamado SIPEE, baseado em redes neurais MLP multistep e foi desenvolvido para uma Distribuidora de Energia Elétrica que atende a boa parte do mercado consumidor do Estado do Rio de Janeiro, a Light Serviços de Eletricidade S.A..

[en] When the new model of the electricity sector began to be used, the forecast of consumption and billing of electricity began to have great importance for the electricity distributors, improving their assertiveness as companies can develop their programs for energy planning, maintenance and expansion of its distribution system and particularly to avoid fines for not spending all of his service to the consumer market. For this prediction is made it is necessary to obtain historical data of energy consumption, the load supplied by the distributor, but as these data sets are multivariate, ie, they are time series which depend on other exogenous variables took into account also the series weather (wind chill), economic (financial ratios) and the factor of time (days, holidays, weekends .....). This study proposes an alternative method to forecast sales and consumption of electricity, 15 steps forward, by developing an intelligent system, called SIPEE, MLP neural networks based on multistep and was developed for an Electricity Distributor serving much of the consumer market in the State of Rio de Janeiro, Light Electrical Services SA.

MARLEY MARIA BERNARDES REBUZZI VELLASCO

KARLA TEREZA FIGUEIREDO LEITE

MARLEY MARIA BERNARDES REBUZZI VELLASCO

ANDRE VARGAS ABS DA CRUZ

CARLOS ROBERTO HALL BARBOSA

KARLA TEREZA FIGUEIREDO LEITE

LUIZ BIONDI NETO

2013-09-17

2011-04-29

[pt] TEXTO

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

PORTUGUÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=22046@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=22046@2

https://doi.org/10.17771/PUCRio.acad.22046