Relação entre a demanda de energia elétrica e temperatura: metodologia para previsão de carga utilizando simulação numérica de tempo

Autores

DOI:

http://doi.org/10.5902/2179460X55304

Palavras-chave:

O presente trabalho tem como objetivo estudar a relação entre a demanda de energia elétrica e a temperatura para área de concessão de uma determinada distribuidora de energia elétrica, afim de elaborar um método de previsão de carga representativo a esta

Resumo

O presente trabalho tem como objetivo estudar a relação entre a demanda de energia elétrica e a temperatura para área de concessão de uma determinada distribuidora de energia elétrica, afim de elaborar um método de previsão de carga representativo a esta área. Para tanto, utiliza-se uma simulação numérica de tempo feita a partir do modelo meteorológico regional Weather Research and Forecasting (WRF) para área de estudo e, a partir disso, calcula-se a temperatura média na área de concessão da distribuidora, ponderando pelo número de consumidores de cada município que compõe essa mesma área, denominada Temperatura Média Ponderada pelo Número de Consumidores (TMPNC). Com isso, obtêm-se um índice de temperatura que descreve efetivamente a influência da temperatura sobre a carga, uma vez que, dá-se um peso maior às temperaturas nos locais em que há mais consumidores. Dessa forma, observa-se que a relação entre a carga e a TMPNC difere dependendo do mês, dia da semana e hora do dia, devido a diferentes causas relacionadas a atividade humana, fatores socioeconômicos, condições de tempo e etc. Contudo, é desenvolvido um método de previsão de carga baseado em um algoritmo de regressão que utiliza como entrada os dados de carga e TMPNC, retornando funções de regressão que descrevem o comportamento da carga em função da TMPNC. O método de previsão desenvolvido resultou em estimativas de carga com erro médio absoluto de 1,8%.

Downloads

Não há dados estatísticos.

Biografia do Autor

Kauan Vargas Casarin, Universidade Federal de Santa Maria, Santa Maria, RS

Doutorando em Meteorologia, pelo Programa de Pós-Graduação em Meteorologia da Universidade Federal de Santa Maria (UFSM). Formação: Graduação em Meteorologia pela UFSM (2015) e Mestrado em Meteorologia pela UFSM (2018). Possui experiência em Meteorologia Sinótica, Meteorologia de Mesoescala, Modelagem Atmosférica e Previsão do Tempo, desenvolvendo pesquisas relacionadas à Sistemas Convectivos de Mesoescala e sobre aspectos meteorológicos relacionados a demanda de energia elétrica e previsão de carga.

Vagner Anabor, Universidade Federal de Santa Maria, Santa Maria, RS

Graduado em Meteorologia pela Universidade Federal de Pelotas (2001), Mestrado em Sensoriamento Remoto pela Universidade Federal do Rio Grande do Sul (2004) e Doutorado em Física pela Universidade Federal de Santa Maria (2008). Atualmente é professor nos cursos de Graduação e Pós-Graduação em Meteorologia da Universidade Federal de Santa Maria. Desenvolve pesquisas em Meteorologia Sinótica, Tempestades Severas, Modelagem Atmosférica Regional, Sensoriamento Remoto, Meteorologia de Mesoescala, Sistemas Convectivos de Mesoescala e o desenvolvimento de produtos para análise e previsão de Tempo.

Franciano Scremin Puhales, Universidade Federal de Santa Maria, Santa Maria, RS

Possui graduação em Física - Licenciatura Plena pela Universidade Federal de Santa Maria (2006), graduação em Física - Bacharelado pela Universidade Federal de Santa Maria (2010), graduação em Meteorologia - Bacharelado pela Universidade Federal de Santa Maria (2008), mestrado em Física pela Universidade Federal de Santa Maria (2008) e doutorado em Física pela Universidade Federal de Santa Maria (2011). Atualmente é docente do Departamento de Física da Universidade Federal de Santa Maria. Tem experiência na área de Física e Meteorologia, com ênfase em modelagem numérica: simulação dos grandes turbilhões (LES), modelagem em escala regional com WRF (Weather Research and Forecasting) e abordagem teórico-experimental em escoamentos turbulentos.

Everson Dal Piva, Universidade Federal de Santa Maria, Santa Maria, RS

Possui graduação em Meteorologia pela Universidade Federal de Pelotas (1999), mestrado (2001) e doutorado (2005) em Meteorologia pelo Instituto Nacional de Pesquisas Espaciais. Foi pesquisador-bolsista na Universidade Federal de Santa Maria e bolsista PCI no Centro Regional Sul (CRS/INPE) em Santa Maria. Atualmente e professor de nivel superior na Universidade Federal de Santa Maria. Tem experiência na área de Geociências, com ênfase em Meteorologia Sinótica e Dinâmica, atuando principalmente nos seguintes temas: ciclones extratropicais e tropicais, sistemas convectivos de mesoescala e formação de nevoeiros, com uso frequente de modelos regionais, em especial o BRAMS.

Referências

ALI-TOUDERT, F.; MAYER, H. Effects of asymmetry, galleries, overhanging façades and vegetation on thermal comfort in urban street canyons. Solar Energy, v. 81, n. 6, p. 742 – 754, 2007. ISSN 0038-092X. Disponível em: http://www.sciencedirect.com/science/article/pii/S0038092X06002623. Acesso em: 14 jan. 2018.

ANDRADE, G.; SANT’ANNA, A. Estimativa do impacto das variações de temperatura sobre o consumo residencial de energia elétrica no rio de janeiro. 09 2013.

COHEN, P.; POTCHTER, O.; MATZARAKIS, A. Human thermal perception of coastal mediterranean outdoor urban environments. Applied Geography, v. 37, p. 1 – 10, 2013. ISSN 0143-6228. Disponível em: http://www.sciencedirect.com/science/article/pii/S0143622812001142. Acesso em: 14 jan. 2018.

CANCELO, J. R.; ESPASA, A. Modelling and forecasting daily series of electricity demand. Investigaciones Económicas, v. 20, p. 359–376, 1996. ISSN 0210-1521. Disponível em: http://hdl.handle.net/10016/3120. Acesso em: 14 jan. 2018.

CHEN, L.; NG, E. Outdoor thermal comfort and outdoor activities: A review of research in the past decade. Cities, v. 29, n. 2, p. 118 – 125, 2012. ISSN 0264-2751. Disponível em: http://www.sciencedirect.com/science/article/pii/S0264275111001053. . Acesso em: 14 jan. 2018

COLOMBO, A. F.; ETKIN, D.; KARNEY, B. W. Climate variability and the frequency of extreme temperature events for nine sites across Canada: Implications for power usage. Journal of Climate, v. 12, n. 8, p. 2490–2502, 1999. Acesso em: 14 jan. 2018.

DAVIS, LUCAS W. AND GERTLER, PAUL J. Contribution of air conditioning adoption to future energy use under global warming. National Academy of Sciences, v. 112, n. 19, p. 5962-5967, 2015. Disponível em: http://www.pnas.org/content/112/19/5962. Acesso em: 6 jun. 2020.

ESR, I. ESRI Shapefile Technical Description. [S.l.], jul. 1998. Disponível em: http://www.esri.com/library/whitepapers/pdfs/shapefile.pdf. Acesso em: 14 jan. 2018.

FENG, Y.; RYAN, S. M. Day-ahead hourly electricity load modeling by functional regression. Applied Energy, v. 170, p. 455 – 465, 2016. ISSN 0306-2619. Disponível em: http://www.sciencedirect.com/science/article/pii/S0306261916302744. Acesso em: 14 jan. 2018.

FRIEDRICH, L., & AFSHARI, A. (2015). Short-term Forecasting of the Abu Dhabi Electricity Load Using Multiple Weather Variables. Energy Procedia, 75, 3014–3026. doi: 10.1016/j.egypro.2015.07.616

GUO, Y. et al. Hourly cooling load forecasting using time-indexed arx models with two-stage weighted least squares regression. Energy Conversion and Management, v. 80, p. 46 – 53, 2014. ISSN 0196-8904. Disponível em: http://www.sciencedirect.com/science/article/pii/S0196890414000259. Acesso em: 14 jan. 2018.

HEKKENBERG, M. et al. Indications for a changing electricity demand pattern: The temperature dependence of electricity demand in the netherlands. Energy Policy, v. 37, p. 1542–1551, 04 2009.

HERNÁNDEZ, L. et al. Artificial neural networks for short-term load forecasting in microgrids environment. Energy, v. 75, p. 252 – 264, 2014. ISSN 0360-5442. Disponível em: http://www.sciencedirect.com/science/article/pii/S0360544214008871.

HIPPERT, H.; BUNN, D.; SOUZA, R. Large neural networks for electricity load forecasting: Are they overfitted? International Journal of Forecasting, v. 21, n. 3, p. 425 – 434, 2005. ISSN 0169-2070. Disponível em: http://www.sciencedirect.com/science/article/pii/S016920700400130X. Acesso em: 14 jan. 2018.

HONG, S.-Y.; DUDHIA, J.; CHEN, S.-H. A revised approach to ice microphysical processes for the bulk parameterization of clouds and precipitation. Monthly Weather Review, v. 132, n. 1, p. 103–120, 2004. Disponível em: http://doi.org/10.1175/1520-0493(2004)132<0103:ARATIM>2.0.CO;2.

HONG, S.-Y.; NOH, Y.; DUDHIA, J. A new vertical diffusion package with an explicit treatment of entrainment processes. v. 134, 09 2006.

HONG, T. et al. Modeling and forecasting hourly electric load by multiple linear regression with interactions. In: IEEE PES General Meeting. [S.l.: s.n.], 2010. p. 1–8. ISSN 1932-5517.

HUO, L. et al. Short-term load forecasting based on the method of genetic programming. In: 2007 International Conference on Mechatronics and Automation. [S.l.: s.n.], 2007. p. 839–843. ISSN 2152-7431.

ISAAC, M., & VAN VUUREN, D. P. (2009). Modeling global residential sector energy demand for heating and air conditioning in the context of climate change. Energy Policy, 37(2), 507–521. doi: 10.1016/j.enpol.2008.09.051

KAIN, J. S. The kain–fritsch convective parameterization: An update. Journal of Applied Meteorology, v. 43, n. 1, p. 170–181, 2004. Acesso em 14 jan. 2018. Disponível em: http://doi.org/10.1175/1520-0450(2004)043<0170:TKCPAU>2.0.CO;2.

KHATOON, S., IBRAHEEM, SINGH, A. K., & PRITI. (2014). Effects of various factors on electric load forecasting: An overview. 2014 6th IEEE Power India International Conference (PIICON). doi:10.1109/poweri.2014

LEE, K. Y.; DU, S. Short-term load forecasting using semigroup based system-type neural network. In: 2009 15th International Conference on Intelligent System Applications to Power Systems. [S.l.: s.n.], 2009. p. 1–6.

LIAO, G.-C.; TSAO, T.-P. Application of a fuzzy neural network combined with a chaos genetic algorithm and simulated annealing to short-term load forecasting. IEEE Transactions on Evolutionary Computation, v. 10, n. 3, p. 330–340, June 2006. ISSN 1089-778X.

LUSIS, P., KHALILPOUR, K. R., ANDREW, L., & LIEBMAN, A. (2017). Short-term residential load forecasting: Impact of calendar effects and forecast granularity. Applied Energy, 205, 654–669. doi: 10.1016/j.apenergy.2017.07.114

MORNA ISAAC AND DETLEF P. Modeling global residential sector energy demand for heating and air conditioning in the context of climate change. Energy Policy, v. 37, n. 2, p. 507–521, 2009. Disponível em: http://www.sciencedirect.com/science/article/pii/S0301421508005168. Acesso em: 24 jun. 2020.

NAHID-AL-MASOOD et al. Temperature sensitivity forecasting of electrical load. In: 2010 4th International Power Engineering and Optimization Conference (PEOCO). [S.l.: s.n.], 2010. p. 244–248.

MIRANDA, R. F. C. Análise da Inserção de Geração Distribuída de Energia Solar Fotovoltaica no Setor Residencial Brasileiro. 2013. 291f. Dissertação (Mestrado) - Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia (COPPE), Universidade Federal do Rio de Janeiro (UFRJ), Rio de Janeiro, RJ.

MORAL-CARCEDO, J.; VICÉNS-OTERO, J. Modelling the non-linear response of Spanish electricity demand to temperature variations. Energy Economics, v. 27, n. 3, p. 477 – 494, 2005. ISSN 0140-9883. Disponível em: http://www.sciencedirect.com/science/article/pii/S0140988305000174. Acesso em: 14 jan. 2018.

PASTERNAK A. D. Global Energy Futures and Human Development: A Framework for Analysis, 2000. Disponível em: http://www.terrawatts.com/HDI.pdf. Acesso em: 14 jul. 2020.

PREDICTION NATIONAL WEATHER SERVICE, N. U. D. o. C. National Centers for E. NCEP FNL Operational Model Global Tropospheric Analyses, continuing from July 1999. Boulder CO: Research Data Archive at the National Center for Atmospheric Research, Computational and Information Systems Laboratory, 2000. Disponível em: http://doi.org/10.5065/D6M043C6.

RAY, P.; SEN, S.; BARISAL, A. K. Hybrid methodology for short-term load forecasting. In: 2014 IEEE International Conference on Power Electronics, Drives and Energy Systems (PEDES). [S.l.: s.n.], 2014. p. 1–6.

RAZA, M. Q. et al. An intelligent hybrid short-term load forecasting model for smart power grids. Sustainable Cities and Society, v. 31, p. 264 – 275, 2017. ISSN 2210-6707. Disponível em: http://www.sciencedirect.com/science/article/pii/S2210670716307466. Acesso em: 14 jan. 2018.

RAZA, M. Q.; KHOSRAVI, A. A review on artificial intelligence based load demand forecasting techniques for smart grid and buildings. Renewable and Sustainable Energy Reviews, v. 50, p. 1352 – 1372, 2015. ISSN 1364-0321. Disponível em: http://www.sciencedirect.com/science/article/pii/S1364032115003354. Acesso em: 14 jan. 2018.

RINGWOOD J.V., B. D. . M. F. Forecasting electricity demand on short, medium and long time scales using neural networks. v. 31, p. 129–147, 05 2001. ISSN 1573-0409

SAILOR, D. J. Urban heat islands, opportunities and challenges for mitigation and adaptation. In: North American Urban Heat Island Summit. Toronto: [s.n.], 2002.

SANT’ANNA, B. Planejamento e expansão dos sistemas de distribuição – Metodologia para consideração de pequenas centrais hidrelétricas. 2009. 75f. Dissertação (Mestrado em Engenharia Elétrica), Universidade Federal de Minas Gerais, Belo Horizonte, MG.

SCAPIN FRANCESCO APADULA, M. B. M. M. S. High-resolution temperature fields to evaluate the response of italian electricity demand to meteorological variables: an example of climate service for the energy sector. Theoretical and Applied Climatology, v. 125, p. 729–742, Jul 2016. ISSN 0177-798X.

SKAMAROCK, W. C, et al. A description of the Advanced Research WRF Version 3. National Center for Atmospheric Research (NCAR). Boulder, Colorado (EUA), p. 125. 2008.

WANG, J.; ZHOU, Y.; CHEN, X. Electricity load forecasting based on support vector machines and simulated annealing particle swarm optimization algorithm. In: 2007 IEEE International Conference on Automation and Logistics. [S.l.: s.n.], 2007. p. 2836–2841. ISSN 2161-8151.

YAN, Y. Y. Climate and residential electricity consumption in hong kong. Energy, v. 23, n. 1, p. 17 – 20, 1998. ISSN 0360-5442. Disponível em: http://www.sciencedirect.com/science/article/pii/S0360544297000534. Acesso em: 14 jan. 2018.

YUN, K. et al. Building hourly thermal load prediction using an indexed arx model. Energy and Buildings, v. 54, p. 225 – 233, 2012. ISSN 0378-7788. Disponível em: http://www.sciencedirect.com/science/article/pii/S0378778812003933. Acesso em: 14 jan. 2018.

ZHENG, T.; GIRGIS, A. A.; MAKRAM, E. B. A hybrid wavelet-kalman filter method for load forecasting. Electric Power Systems Research, v. 54, n. 1, p. 11 – 17, 2000. ISSN 0378-7796. Disponível em: http://www.sciencedirect.com/science/article/pii/S0378779699000632. Acesso em 14 jan. 2018.

Downloads

Publicado

2020-09-25

Como Citar

Casarin, K. V., Anabor, V., Puhales, F. S., & Piva, E. D. (2020). Relação entre a demanda de energia elétrica e temperatura: metodologia para previsão de carga utilizando simulação numérica de tempo. Ciência E Natura, 42, e4. http://doi.org/10.5902/2179460X55304

Edição

v. 42 (2020): CIÊNCIA E NATURA: EDIÇÃO ESPECIAL: II ENCONTRO DE METEOROLOGIA DO ESTADO DE SC

Seção

Energia Eólica, Fotovoltaica, Geotérmica, Hidráulica, Outras

Licença

Para acessar a DECLARAÇÃO DE ORIGINALIDADE E EXCLUSIVIDADE E CESSÃO DE DIREITOS AUTORAIS clique aqui.

 

Diretrizes Éticas para Publicação de Revistas

A revista Ciência e Natura está empenhada em garantir a ética na publicação e na qualidade dos artigos.

A conformidade com padrões de comportamento ético é, portanto, esperada de todas as partes envolvidas: Autores, Editores e Revisores.

Em particular, 

Autores: Os Autores devem apresentar uma discussão objetiva sobre a importância do trabalho de pesquisa, bem como detalhes e referências suficientes para permitir que outros reproduzam as experiências. Declarações fraudulentas ou intencionalmente incorretas constituem comportamento antiético e são inaceitáveis. Artigos de Revisão também devem ser objetivos, abrangentes e relatos precisos do estado da arte. Os Autores devem assegurar que seu trabalho é uma obra totalmente original, e se o trabalho e / ou palavras de outros têm sido utilizadas, isso tem sido devidamente reconhecido. O plágio em todas as suas formas constitui um comportamento publicitário não ético e é inaceitável. Submeter o mesmo manuscrito a mais de um jornal simultaneamente constitui um comportamento publicitário não ético e é inaceitável. Os Autores não devem submeter artigos que descrevam essencialmente a mesma pesquisa a mais de uma revista. O Autor correspondente deve garantir que haja um consenso total de todos os Co-autores na aprovação da versão final do artigo e sua submissão para publicação.

Editores: Os Editores devem avaliar manuscritos exclusivamente com base no seu mérito acadêmico. Um Editor não deve usar informações não publicadas na própria pesquisa do Editor sem o consentimento expresso por escrito do Autor. Os Editores devem tomar medidas de resposta razoável quando tiverem sido apresentadas queixas éticas relativas a um manuscrito submetido ou publicado.

Revisores: Todos os manuscritos recebidos para revisão devem ser tratados como documentos confidenciais. As informações ou ideias privilegiadas obtidas através da análise por pares devem ser mantidas confidenciais e não utilizadas para vantagens pessoais. As revisões devem ser conduzidas objetivamente e as observações devem ser formuladas claramente com argumentos de apoio, de modo que os Autores possam usá-los para melhorar o artigo. Qualquer Revisor selecionado que se sinta desqualificado para rever a pesquisa relatada em um manuscrito ou sabe que sua rápida revisão será impossível deve notificar o Editor e desculpar-se do processo de revisão. Os Revisores não devem considerar manuscritos nos quais tenham conflitos de interesse resultantes de relacionamentos ou conexões competitivas, colaborativas ou outras conexões com qualquer dos autores, empresas ou instituições conectadas aos documentos.

Artigos mais lidos pelo mesmo(s) autor(es)

1 2 3 4 5 > >>