Análise da Influência da Temperatura para Previsão de Potência Máxima em Subestações Utilizando Redes Neurais

Abstract

Os estudos de previsão de demanda têm grande importância para empresas do ramo de energia elétrica, pois existe a necessidade de alocação de recursos com antecedência, exigindo um planejamento a curto, médio e longo prazo. Tais recursos incluem a compra de equipamentos, aquisição e construção de linhas de transmissão, manutenções preventivas e comércio de energia. Diante disso, foi desenvolvida uma ferramenta computacional de apoio aos especialistas da área de planejamento estratégico em sistemas de distribuição elétrica, utilizando redes neurais artificiais para previsão de demanda, e incluindo a temperatura como fator externo. Na metodologia proposta, foi implementado um sistema de previsão a curto prazo para a subestação de uma cidade da Paraíba, utilizando técnicas computacionais de inteligência artificial baseadas em redes neurais artificiais (RNA), com auxílio do software MATLAB R. Para isso, foram utilizados dados de potência ativa, fornecidos pela concessionária de energia, e o histórico dos valores de temperatura locais foram obtidos via site do INMET, para o ano de 2008. A janela de previsão utilizada foi de 12 valores atrasados para fornecer um horizonte de 4 dias. Finalmente, a acurácia das redes obtidas via treinamento foi medida considerando o MAPE e erro relativo percentual.