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.

Regionalização de curvas de permanência de vazão de regiões hidrográficas do estado do Pará

O presente artigo aborda a regionalização de curvas de permanência de vazões para os rios das regiões hidrográficas da Calha Norte e do Xingu no Estado do Pará. Os modelos tiveram como base de dados 25 estações fluviométricas localizadas nas referidas regiões. As curvas de permanência foram calibradas utilizando-se 5 modelos matemáticos de regressão (potência, exponencial, logarítmico, quadrático e cúbico). O modelo cúbico foi o que se ajustou melhor aos dados observados das estações da Calha Norte. Já para a região do Xingu, foi o modelo exponencial, que melhor se ajustou. Modelos de regionalização foram estabelecidos, usando-se a técnica de regressão múltipla. A variação espacial dos parâmetros dos modelos, foi explicada em termos de área de drenagem, precipitação média anual, comprimento e desnível do rio. Os modelos foram validados através de duas bacias-alvo de cada região, obtendo resultados satisfatórios pelos ajustes gráficos das vazões simuladas e observadas. Matematicamente, o bom ajuste foi representado pelos erros quadráticos relativos médios percentuais e coeficientes de Nash-Sutcliffe calculados para o modelo cúbico (Calha Norte) e exponencial (Xingu). O bom desempenho dos modelos, os credencia na estimativa das curvas de permanência de vazões das regiões de estudo.