Mineração de dados baseada em inteligência computacional: uma aplicação à determinação da tipologia de curvas de cargas

As concessionárias de energia, para garantir que sua rede seja confiável, necessitam realizar um procedimento para estudo e análise baseado em funções de entrega de energia nos pontos de consumo. Este estudo, geralmente chamado de planejamento de sistemas de distribuição de energia elétrica, é essencial para garantir que variações na demanda de energia não afetem o desempenho do sistema, que deverá se manter operando de maneira técnica e economicamente viável. Nestes estudos, geralmente são analisados, demanda, tipologia de curva de carga, fator de carga e outros aspectos das cargas existentes. Considerando então a importância da determinação das tipologias de curvas de cargas para as concessionárias de energia em seu processo de planejamento, a Companhia de Eletricidade do Amapá (CEA) realizou uma campanha de medidas de curvas de carga de transformadores de distribuição para obtenção das tipologias de curvas de carga que caracterizam seus consumidores. Neste trabalho apresentam-se os resultados satisfatórios obtidos a partir da utilização de Mineração de Dados baseada em Inteligência Computacional (Mapas Auto-Organizáveis de Kohonen) para seleção das curvas típicas e determinação das tipologias de curvas de carga de consumidores residenciais e industriais da cidade de Macapá, localizada no estado do Amapá. O mapa auto-organizável de Kohonen é um tipo de Rede Neural Artificial que combina operações de projeção e agrupamento, permitindo a realização de análise exploratória de dados, com o objetivo de produzir descrições sumarizadas de grandes conjuntos de dados.

ABSTRACT: The energy utilities, for ensure that your network be reliable, need to perform a procedure for study and analysis based in your functions of delivery of energy in the points of the consumption. This study, generally called of systems planning of electric power distribution, is essential for ensure that variations in the energy demand doesn’t affect the system performance, that should whether keep operating of technique manner and viable economically. In these studies are generally analyzed, demand, typology of load curves, load factor and other aspects of the existing loads. Considering then the importance of the determining of the typologies of load curves for utilities in their planning process, the Electricity Company of Amapá (CEA) conducted a campaign of measures of load curves of the distribution transformers that were utilized for obtainment of the typologies of load curves that characterize your consumers. In this paper presents the satisfactory results obtained as from the utilization of Data Mining based in Computational Intelligence (Self-Organizing Maps of Kohonen) for selection of the typical curves and determination of the typologies of load curves of residential and industrial consumers for the city of Macapá, located in the state of Amapá. The self-organizing map of Kohonen is a type of artificial neural network that combines operations of projection and clustering, allowing the realization of exploratory data analysis, with the goal of producing summarized descriptions of large data sets.