Estatísticos Fernando e Amauri. Ex-colaboradores da CPFL. Curva de Carga, Previsão de Demanda e...

Estatísticos Fernando

e Amauri.

Ex-colaboradores da

CPFL.

Curva de Carga,

Previsão de Demanda

e Gestão de Mercado.

PhD. Miguel Taube.

Modelagem Matemática

e Estatística.

Logística, Planej. e

Controle de Produção e Previsão de Demanda.

Consultores:

PhD. Milioni,

MSc. Eduardo, e

MSc. Luzia.

Bacharel em Computação

Michel Cusnir.

Desenvolvimento em

Tecnologia de Software.

Desenvolvimento de

Sistemas, Integração de

Sistemas e Tecnologias,

Consultoria em Tecnologia

de Informação.

Programador: Marcos Piaia.

ParceriaParceria

• Objetivo do Sistema:

• Fornecer a previsão de demanda, por barramento, para os estudos de planejamento da operação e da expansão do sistema de transmissão da CPFL e para o ONS;

• Ferramenta de análise de dados de curvas de carga de subestações, alimentadores e consumidores.

• Facilidade de uso e Interatividade:

• Critérios

• Desafio:

• Possibilitar acesso às informações das curvas

• Manter a flexibilidade no acesso a esses dados

• Possibilitar a identificação da curva requisitada pelo usuário

• Solução:

• Abstrair o contexto das informações

• Viabilizar ao usuário filtrar o que ele quiser

• Estrutura do Sistema:

Equipamento(Subestações,Alimentadores)

Consumidor

Ponto de Medição

Curvas

•Carga•Data•96 pontos

• Agilidade:

MS Office (Word/Excel)

SE (Registradores)

ERP (SAP)

Sistema

Consumidor (Registradores)

MainFrame

Subestação (GD)

• Regras de Negócio:

• Processos Matemáticos da Previsão

• Processos de análise dos critérios

• Recursos Matemáticos:

• Operações Sobre as Curvas

• Curva Típica

• Previsões

• Componentes do Sistema :

Formatador

Seletor

Visualizador

Carregar

Selecionar

Recarregar

Apagar

Importar

Exportar

Aparência

Filtro Dinâmico:

- Selecionar curvas

Alterar Cores das Curvas

Estatística

Excluir Curvas

Selecionar Curvas

Operações :

Soma e Subtração

Média e Desvio-Padrão

Potência Aparente

Potência Ativa e Reativa

Fator de Potência

Curva Típica

Máximas e Mínimas

•Visualizador:

• Filtro Dinâmico

• Seleção / Exclusão de curvas

• Exportação (Excel)

• Cargas

•Ativo

•Reativo

•Aparente

•Fator de Potência

•Visualizador:

• Operações

•Soma

•Subtração

•Média

•Desvio Padrão

•Multiplicação por escalar

•Visualizador:

• Processos

•Máximas e Mínimas

•Curva Típica

•Concatenação

FECHAMENTO

SE SANTA GENEBRA

CURVAS CONCATENADAS

Curva Típica e Desvios

SE SANTA GENEBRA

Massa de Dados x Resultante

Previsão x Resultante

Evolução da Previsão (Dia Útil)

PREVISÃO DE DEMANDA DE SUBESTAÇÕES

Projeto CPFL / SEST / UNISOMA

Apresentador: Armando Z. Milioni

Instituto Tecnológico de Aeronáutica

I. Objetivos

II. Magnitude do Problema

III. Metodologia de Previsão

Tratamento aos Dados

Modelagem

IV. Caraterísticas do Sistema

V. Objeto de Desenvolvimento

PREVISÃO DE DEMANDA DE SUBESTAÇÕES

I. Objetivos:

Previsão de Curvas de Carga Ativa e Reativa por Subestações e Global para dia útil, sábado e domingo:

• Curto Prazo (mensal e quadrimestral)

• Médio Prazo (16 meses)

• Longo Prazo (48 meses)

Estudo Decenal Coincidente (10 anos)

Estudo Decenal Diversificado (15 anos)

II. Magnitude do Problema:

Previsão de Curvas de Carga (96 pontos)

Tipos de Carga: Ativa e Reativa (2)

Subestações: 250 aproximadamente

Tipos de dia: útil, sábado e domingo (3)

Curto Prazo: 4 meses * 2 * 3 * 250 = 6.000 curvas

ou 6.000 * 96 = 576 mil pontos

Histórico de 60 meses: 1800 *2 * 250 = 900 mil curvas

900.000*96 = 86,4 milhões de pontos

III. Metodologia de Previsão:

Tratamento aos Dados

Dia útil:

Obtenção da “Curva de Referência”;

Higienização da “Curva de Referência”;

Algoritmo “Top Ten”;

Obtenção da “Curva Resultante”: ativo e reativo.

Sábados e domingos:

Higienização de todas as curvas;

Obtenção da “Curva Resultante”: ativo e reativo.

Curvas de um mês m para uma subestação S

0

1000

2000

3000

4000

5000

6000

1 4 7 10

13

16

19

22

25

28

31

34

37

40

43

46

49

52

55

58

61

64

67

70

73

76

79

82

85

88

91

94

Apenas os dias úteis do mês m para a subestação S

0

1000

2000

3000

4000

5000

6000

1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 83 85 87 89 91 93 95

Curva de Referência em Destaque (sem Higienização)

0

1000

2000

3000

4000

5000

6000

1 4 7 10

13

16

19

22

25

28

31

34

37

40

43

46

49

52

55

58

61

64

67

70

73

76

79

82

85

88

91

94

III. Metodologia de Previsão:

Tratamento aos Dados

Dia útil:

Obtenção da “Curva de Referência”;

Higienização da “Curva de Referência”;

Algoritmo “Top Ten”;

Obtenção da “Curva Resultante”: ativo e reativo.

Sábados e domingos:

Higienização de todas as curvas;

Obtenção da “Curva Resultante”: ativo e reativo.

Curva de Referência em Destaque (sem Higienização)

0

1000

2000

3000

4000

5000

6000

1 4 7 10

13

16

19

22

25

28

31

34

37

40

43

46

49

52

55

58

61

64

67

70

73

76

79

82

85

88

91

94

Curva de Referência em Destaque (após Higienização)

0

1000

2000

3000

4000

5000

6000

1 4 7 10

13

16

19

22

25

28

31

34

37

40

43

46

49

52

55

58

61

64

67

70

73

76

79

82

85

88

91

94

III. Metodologia de Previsão:

Tratamento aos Dados

Dia útil:

Obtenção da “Curva de Referência”;

Higienização da “Curva de Referência”;

Algoritmo “Top Ten”;

Obtenção da “Curva Resultante”: ativo e reativo.

Sábados e domingos:

Higienização de todas as curvas;

Obtenção da “Curva Resultante”: ativo e reativo.

Curvas Selecionadas (Top Ten) e Curva Resultante em Destaque

0

1000

2000

3000

4000

5000

6000

III. Metodologia de Previsão:

Tratamento aos Dados

Dia útil:

Obtenção da “Curva de Referência”;

Higienização da “Curva de Referência”;

Algoritmo “Top Ten”;

Obtenção da “Curva Resultante”: ativo e reativo.

Sábados e domingos:

Higienização de todas as curvas;

Obtenção da “Curva Resultante”: ativo e reativo.

Curvas Selecionadas (kVar) antes Higienização

e Dia da Referência em Destaque

0

500

1000

1500

2000

2500

3000

3500

Curvas Selecionadas (kVar) após Higienização e Resultante em Destaque

0

500

1000

1500

2000

2500

3000

3500

Seleção dos pontos de interesse:

Horários: 3, 6, 9, 12, 15, 18, 22, 24 e

ponto da máxima;

Série histórica dos pontos: resultantes

Projeção da série histórica dos pontos:

modelo de séries temporais de Holt-Winter;

Montagem final das curvas projetadas:

geração dos perfis da evolução horária (máscara).

III. Metodologia de Previsão: Modelagem

Evolução da Série Histórica Mensal e Ajuste do Modelo para o Ponto de Máxima

7000

9000

11000

13000

15000

17000

19000

21000

observado

ajustado

Seleção dos pontos de interesse:

Horários: 3, 6, 9, 12, 15, 18, 22, 24 e

ponto da máxima;

Série histórica dos pontos: resultantes

Projeção da série histórica dos pontos:

modelo de séries temporais de Holt-Winter;

Montagem final das curvas projetadas:

geração dos perfis da evolução horária (máscara).

III. Metodologia de Previsão: Modelagem

Previsto x Observado Carga Ativa (Março 2001)

0

2000

4000

6000

8000

10000

12000

14000

16000

18000

previsão

observado

Previsto x Observado Carga Reativa (Março 2001)

0

1000

2000

3000

4000

5000

6000

7000

80001 5 9

13

17

21

25

29

33

37

41

45

49

53

57

61

65

69

73

77

81

85

89

93

previsão

observado

IV. Características do Sistema

• Sistema integrado e modulável, com duas funcionalidades:

armazenamento, tratamento e visualização de curvas de carga;

previsão de demanda.

• Sistema de previsão com processamento automático e com possibilidade de intervenção.

V. Objeto de Desenvolvimento

• Estudo Decenal Diversificado (15 anos):

Metodologia;

Implementação.

Contato :Contato :

e-mail: fernando@unisoma.com

Fone: (19) 3208-0006

•Onde queremos chegar:

• Modulação de Curvas

• Acesso via WEB

• Cálculo de Perdas

• Tipologia

• Integração com o GIS

• Desagregação por classe de consumo

• Atendimento aos grandes consumidores