Análise de métodos para validaçao de mediçoes de energia elétrica
Resumo
Resumo : O montante líquido medido de energia para cada agente, que possibilita a contabilização e liquidação financeira das operações no mercado de curto prazo, são obtidos através de uma estrutura de pontos de medição de geração e de consumo. Os dados de medição nos pontos de conexão com a rede básica (RB) devem ser encaminhados diariamente, via Sistema de Coleta de Dados de Energia (SCDE), para a base de dados da Câmara de Comercialização de Energia Elétrica (CCEE). Apesar de todos os cuidados observados na organização do projeto, comisssionamento e instalação dos equipamentos de medição, os instrumentos de medição podem apresentar comportamentos fora do padrão, os quais se concretizam em erros de leitura. Para as concessionárias de distribuição, desvios de mercado em relação à sua previsão utilizada na contratação representam perda de receita, e, portanto, deterioram os ganhos com o negócio a fio. Portanto, é de suma importância a gestão diária dos dados de medição de energia nos pontos de conexão com a rede básica. Sendo assim, o objetivo geral desta dissertação é analisar metodologias computacionais aplicáveis ao problema de validação diária da medição de energia elétrica nos pontos de conexão com a RB possibilitando ao agente distribuidor de energia elétrica prevenir erros/problemas no processo de contabilização da energia comercializada na CCEE. Foi feito um estudo comparativo de desempenho dos métodos baseados em redes neurais com base radial (RN-RBF) e auto-regressivo usando mínimos quadrados (AR MQ). A RN-RBF foi, então, aplicada em uma configuração sérieparalelo agregando os algoritmos de agrupamento k-médias e de otimização por mínimos quadrados para a estimação de seus parâmetros. Para aplicação no problema real da concessionária observou-se que o uso do método de estimação por AR MQ é mais adequado devido à facilidade de ajuste, implementação e interpretação dos resultados obtidos, pois os coeficientes de correlação múltipla (R²) encontrados ficaram muito próximos do valor 1 (um), considerado um modelo mais preciso. Por fim, apresentou-se também a modelagem computacional de um sistema de gestão de medições de energia elétrica desenvolvido para prover os analistas das concessionárias de uma ferramenta que permita a realização da validação das medições diariamente. Abstract : The energy amounts for each agent which defines the spot market financial accounting and liquidation are obtained from generation and load measurement point’s structure. The measurement data in transmission network (RB) connection points must be sent daily by Energy Data Assess System (SCDE) to the data base of Electrical Energy Commercialization Council (CCEE). Despite of measurement equipment project design, commissioning and installation cares, it is observed non-standard behaviors with wrong measures. For utilities, market deviation from its forecasting used for energy contracting performs income losses, so reduce business profits. Thus, it’s important energy measurement data daily management in connection points with transmission network. Therefore, the main objective of this work is analyze computer methodologies applied to electrical energy measurement daily validation in connection points with RB to provide against energy accounting process faults in CCEE. It was done a performance comparative study with neural networks with radial basis function (RN-RBF) and autoregressive with least squares (AR MQ). The RN-RBF was implemented in series-parallel configuration associated to k-means algorithm and least squares to optimize its parameters. For practical use it was observed that least square estimators fitted better due to its easy settings, implementation and results analysis, therefore the multiple correlation coefficients (R2) are near 1 (one), showing to a more accurate model.. Finally, this work introduces an electrical energy measurement management system computer modeling developed for Utilities analysts’ daily measurement validation.
Collections
- Teses & Dissertações [9996]