Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
HÁBITOS DE CONSUMO
André Nunes de Souza1, Pedro da Costa Junior2, Renato de Oliveira3 Maria Goretti Zago4,
João Paulo Papa5, Danilo Sinkiti Gastaldello6.
1
UNESP-FEB-LSISPOTI, Bauru, Brasil, andrejau@feb.unesp.br
2
UNESP-FEB-LSISPOTI, Bauru, Brasil, costajr@feb.unesp.br
3
UNESP-FEB-LSISPOTI, Bauru, Brasil, ra511201@feb.unesp.br
4
EPUSP, São Paulo, Brasil, mgzago@uol.com.br
5
UNESP-FC-LSISPOTI, Bauru, Brasil, papa@fc.unesp.br
6
UNESP-FEB-LSISPOTI, Bauru, Brasil, dandangastaldello@gmail.com
Resumo: O artigo propõe uma técnica para ser utilizada no necessária de maneira que se possa proporcionar uma
planejamento de sistemas de energia elétrica, promovendo a aplicação de tarifas diferenciadas em tempo real,
identificação de fraudes em instalações residenciais, monitoramento da energia, redução de carga, planejamento
considerando padrões estatísticos e a natureza aleatória das de interrupções de fornecimento, detecção de perdas de
cargas. A metodologia consiste na utilização das energia, previsão de demanda e serviços de planejamento,
características de unidades consumidoras e de seus padrões aumentando ainda mais o custos de operação [2].
de hábito de consumo. As perdas de energia elétrica possuem uma importância
relevante no tema discutido e podem ser divididas em dois
tipos distintos: perdas técnicas e perdas comerciais. Perdas
Palavras-chave: Curvas de carga, gerenciamento de cargas,
técnicas de energia são as perdas inerentes às atividades do
consumo de energia.
transporte da energia elétrica na rede e as perdas comerciais
são as parcelas de energia consumida e não faturada pela
1. INTRODUÇÃO concessionária de distribuição, estão relacionadas com as
A baixa qualidade de energia pode causar avarias tanto fraudes de energia e erros de medição [3], [4]. Logo, as
nos equipamentos elétricos dos usuários como das perdas comerciais representa uma diminuição significativa
companhias de energia. Portanto, políticas de conservação de receita para a concessionária, por isso o seu combate é
de energia necessitam se orientar pela tendência das curvas um item bastante vantajoso atualmente.
de carga e dados históricos da qualidade de energia. Uma abordagem em evidência proposta na literatura [5]
Programas de gerenciamento da qualidade do serviço no combate a perdas comerciais é a de um sistema
oferecido constituem em um conjunto de ações tomadas centralizado, no qual não haveria nenhum medidor dentro da
para influenciar o consumo de energia elétrica, no sentido de propriedade do consumidor e, além disso, todos os
produzir alterações desejadas na curva de carga, e devem ser medidores de uma vizinhança em particular estariam
capazes de antecipar o impacto na curva de demanda do acondicionados em um mesmo local.
sistema como um todo. Ferramentas de simulação devem Existem técnicas de identificação de fraudes realizadas
permitir a avaliação de diferentes estratégias de controle e no local onde se desconfia que haja ligações clandestinas.
redução de carga a fim de identificar aquelas consideradas Uma técnica mostrada em [6] se dá pela utilização da
mais apropriadas para os planejadores do sistema de tecnologia de rádio freqüência. Tal método consiste na
potência e para a equipe técnica envolvida com o controle utilização de um equipamento de transmissão de freqüência
da rede e, ao mesmo tempo, atender as expectativas do e um receptor portátil, usado para mapear a rota percorrida
usuário final (tanto do ponto de vista econômico quanto da pelo cabo de energia. Se existirem emendas ligadas
qualidade da energia fornecida) [1]. diretamente ao cabo, o desvio é percebido pelo receptor e o
O método proposto neste artigo pode ser empregado em ponto de ligação é facilmente descoberto.
sistemas de informação de energia desenvolvidos para Outro equipamento que pode ser utilizado é o
proporcionar benefícios de conservação de energia refletômetro [7]. São gerados sinais em pequenos intervalos
voluntária e tornar as informações de consumo, tais como, de tempo, que percorrem o cabo e, no ponto onde existem
tarifas diferenciadas e perfis de consumo econômico, mais problemas ou quando atinge o final do cabo, os sinais são
acessíveis, incentivando os consumidores a deslocar e divididos em dois, e são transmitidos e refletidos.
diminuir o pico da demanda para períodos com cargas mais Atualmente, vêm sendo desenvolvidas técnicas que
leves, sem sobrecarregar o sistema de distribuição. utilizam o emprego da inteligência artificial no combate às
A implantação de medidores de energia capazes de fraudes. Os métodos propostos em [8] e [9], por exemplo,
fornecer as informações requeridas através de displays é apresentam um estudo para a escolha do melhor método
1
Proceedings of the 9th Brazilian Conference on Dynamics Control and their Applications
Serra Negra, SP - ISSN 2178-3667 775
Algoritmos para Estimar Curvas de Cargas a Partir de Padrões de Hábitos de Consumo
André N. S., Pedro C. Jr., Renato O., Maria G. Z., João P. P., Danilo S. G.
para a geração de curvas de carga. Neste método, são obtidas através de estudos [11], típicas de consumidores
utilizadas técnicas de aglomeração (clusters) e mineração de residenciais, comercias e industrias, bem como as diferenças
dados. Após a coleta de dados de consumidores divididos entre elas, são mostrada nas Figs. 2, 3 e 4.
em categorias, como residencial, comercial e industrial,
estes dados são separados em clusters, cada um contendo
um subconjunto de dados com características semelhantes,
que são usados para classificar as unidades consumidoras de
acordo com o comportamento, sendo, então, criados perfis
de consumo típicos.
Esses perfis típicos são comparados com os perfis de
consumo a serem averiguados e se alguma destas novas
curvas apresentarem desvio com relação à curva típica, esta
é selecionada para investigação. Confirmado que esta
variação se deve à ocorrência de perdas comerciais, a nova
curva é inserida na base de dados e utilizada para fins de
previsão.
Logo, esse artigo apresenta uma estimação de curvas de
Fig. 2. Curva de carga de um consumidor residencial.
carga como suporte em programas de planejamento de
sistemas de distribuição de energia e a averiguação de
possíveis fraudes em unidades consumidoras, na qual
consiste no estudo do comportamento da curva de carga de
consumidores residenciais, onde se compara o seu perfil
típico simulado com o seu perfil de consumo medido.
2. DIRETRIZ METODOLÓGICA
2
Proceedings of the 9th Brazilian Conference on Dynamics Control and their Applications
Serra Negra, SP - ISSN 2178-3667 776
de consumo estabelecidos, as variações aleatórias de tem sua maior chance de estar em uso na faixa de horários
consumo que ocorrem de um dia para o outro. entre 20 h e 23 h.
A confecção dos perfis de consumo de uma determinada A Tabela 2 apresenta valores sorteados aleatoriamente de
unidade consumidora pode ser feita através de levantamento acordo com a curva de probabilidade da Fig. 5. Esta tabela
de campo [12]. A princípio, sem estes dados disponíveis, os mostra que, mesmo apresentando uma maior freqüência de
perfis de consumo podem ser estimados com base em dados sorteio nos horários com maior probabilidade de uso, o
estatísticos. As curvas de carga são construídas para um algoritmo permite que sejam sorteados períodos em outros
período de 24 horas, em intervalos de tempo de 15 minutos. intervalos de tempo. Isto faz com que a simulação se
Após a confecção das curvas de carga, é possível aproxime de uma situação real, pois garante uma
independência de comportamento por parte do consumidor.
escolher entre manter as curvas inalteradas ou inserir
distorções no comportamento de uma determinada unidade Curva de probabilidade TV 29"
consumidora com o intuito de simular uma possível fonte de 50
medição. 40
Probabilidade de uso, %
A confecção das curvas de carga é feita a partir da 30
3
Proceedings of the 9th Brazilian Conference on Dynamics Control and their Applications
Serra Negra, SP - ISSN 2178-3667 777
Algoritmos para Estimar Curvas de Cargas a Partir de Padrões de Hábitos de Consumo
André N. S., Pedro C. Jr., Renato O., Maria G. Z., João P. P., Danilo S. G.
3. ALGORITMO
Após a leitura do rol de equipamentos disponíveis na
unidade consumidora e dos dados estatísticos de utilização
de cada equipamento, procede-se o cálculo do vetor de
potências acumuladas (y) para períodos de 15 minutos. A
Fig. 6 ilustra o algoritmo proposto.
Os métodos de sorteios mencionados na Fig. 6 consistem
Fig. 7. Parâmetros de entrada e dados obtidos.
no Método da Roleta, onde os valores da duração, número
de períodos de utilização e duração de cada período são
escolhidos através de um sorteio de roleta.
Neste método, cada horário do dia é representado na
roleta proporcionalmente ao índice de probabilidade de uso
do equipamento.
Assim, para os horários com maior probabilidade é dada
uma porção maior da roleta, enquanto aos de menor
probabilidade é dada uma porção relativamente menor.
Finalmente, a roleta é girada um determinado número de
vezes, e são escolhidos, como horários e durações de
funcionamento, aqueles sorteados na roleta.
A Fig. 7 ilustra os parâmetros utilizados pelo algoritmo
bem como os dados obtidos da simulação.
O algoritmo foi implementado em MATLAB® [13], e
Java [14], tendo sido criada uma interface entre essas duas
plataformas. A Fig. 8 ilustra a estrutura dos módulos
implementados.
4
Proceedings of the 9th Brazilian Conference on Dynamics Control and their Applications
Serra Negra, SP - ISSN 2178-3667 778
4. RESULTADOS E DISCUSSÕES
Os resultados apresentados nesta seção são referentes a
uma simulação de um consumidor residencial de renda
média e estão muito próximos de uma situação real, já que
foram realizadas comparações entre as curvas simuladas e as
curvas reais de consumidores. Os equipamentos disponíveis
nesta unidade consumidora estão expostos na Tabela 3.
Tabela 3. Equipamentos escolhidos para uma residência de renda
média
Potência Duração Número
Média média de máximo de
Equipamento
utilização utilizações
(W) (minutos) por dia
Aparelho de som 80 180 5
Ap. de DVD 100 120 2 Fig. 9. Curva de carga de uma TV 29”.
5
Proceedings of the 9th Brazilian Conference on Dynamics Control and their Applications
Serra Negra, SP - ISSN 2178-3667 779
Algoritmos para Estimar Curvas de Cargas a Partir de Padrões de Hábitos de Consumo
André N. S., Pedro C. Jr., Renato O., Maria G. Z., João P. P., Danilo S. G.
A Fig. 11 mostra o comportamento mensal da unidade uma alternativa possível quando há escassez ou mesmo
consumidora e a Tabela 5 é obtida desta curva. ausência de dados de medições realizadas diretamente nas
unidades consumidoras.
A metodologia leva em conta padrões de referência
estatísticos e a natureza aleatória de uso das cargas. Tendo
em vista as dificuldades técnicas para a obtenção destas
curvas de carga através de dados de consumo reais, foi
elaborado e implementado um algoritmo para realizar a
abordagem de consumo em uma residência com base na
relação de seus equipamentos elétricos componentes. Pode-
se concluir, pela análise dos resultados, que este tipo de
simulação permite avaliar situações diversas, respeitando a
independência de comportamento de cada unidade
consumidora, como, por exemplo, o momento do dia em que
este utiliza um determinado equipamento e o tempo que este
equipamento permanece ligado, permitindo, assim, realizar
um melhor planejamento de todo o sistema de distribuição
de energia.
Para um maior auxílio neste planejamento, após o estudo
Fig. 11. Curva de consumo mensal para um consumidor de renda das diversas formas de combate às perdas comerciais
média. presentes nos sistemas elétricos, o método desenvolvido
Tabela 5. Dados extraídos da curva de consumo mensal pode ser utilizado na análise do comportamento de unidades
Consumo mensal (kWh) 271,22 consumidoras através de suas curvas de carga e de seu
consumo mensal e averiguar a ocorrência de fraudes ou de
Pico de consumo (kW) 9,76
problemas na medição de consumo.
Dia do pico 23 Tais curvas, ao apresentarem um desvio de
comportamento em relação às outras curvas de uma mesma
Além disso, pode-se fazer uma estimativa de consumo unidade consumidora ou de um grupo de unidades
para um período pré-estipulado. A Fig. 12 mostra uma consumidoras com padrões de consumo e rotina
simulação realizada em um período de 12 meses. semelhantes, podem apresentar um indício de problemas nas
instalações deste consumidor. Estes problemas podem estar
relacionados com defeitos nos equipamentos de medição ou
com ligações ilícitas, que provocam desvio da corrente
elétrica e, conseqüentemente, uma medição errônea da
energia consumida.
AGRADECIMENTOS
Agradecemos à FAPESP pelo incentivo e apoio
financeiro para a relização deste trabalho.
REFERÊNCIAS
[1] A. G. Martins, R. Figueiredo, “Simulation-Based
Assessment of Electric Load Management
Programs,” International Journal of Energy
Research, Vol. 23, pp. 169-181, 1999.
[2] Y. Chen, J. K. Hwang, “A Reliable Energy
Fig. 12. Curva de consumo anual para um consumidor de renda Information System for Promoting Voluntary
média. Energy Conservation Benefits,” IEEE Transactions
A Tabela 6 mostra os dados extraídos da Fig. 12. on Power Delivery, Vol. 21, pp. 102-107, 2006.
[3] G. G. L. Ferreira, “Desenvolvimento de um
Tabela 6. Dados extraídos da curva de consumo anual Sistema Baseado em regras para Detecção de
Consumo anual (MWh) 3,20 Fraudes em Unidades Consumidoras Ligadas em
Pico de consumo (kW) 271,42 Baixa tensão,” Trabalho de Graduação no Curso de
Ciência da Computação, Universidade Federal de
Mês do pico 12 Santa Maria, Santa Maria, RS, 2007.
[4] E. X. Vieiralves, “Proposta de uma Metodologia
5. CONCLUSÕES para Avaliação das Perdas Comerciais dos Sistemas
elétricos. O Caso Manaus,” Dissertação de
O procedimento de obtenção de curvas de carga descrito
Mestrado, Universidade Estadual de Campinas,
neste artigo pode ser usado em programas de gerenciamento
Campinas, SP, 2005.
de cargas, permitindo um maior segurança no planejamento
[5] J. Bandim, J. E. R. Alves Jr., A. V. Pinto Jr., F.
de sistemas de distribuição de energia elétrica. Trata-se de
6
Proceedings of the 9th Brazilian Conference on Dynamics Control and their Applications
Serra Negra, SP - ISSN 2178-3667 780
C. Souza, M. R. B. Loureiro, C. A. Magalhaes, F.
Galvez-Durand, “Identification of Energy Theft
and Tampered Meters Using a Central Observer
Meter: A Mathematical Approach,” IEEE/ PES
Transmission & Distribution Conference and
Exposition, 2003.
[6] J. L. A. Parra, E. A. S. Calderon, “Use of the
Shunts Detecting Equipment for the Identification
of Illegal Power Outlets,” IEEE/PES Transmission
& Distribution Conference and Exposition: Latin
America - TDC '06, pp. 1-4, Caracas, 2006.
[7] M. S. Pavix, K. Trupinic, “Illegal Connection
Location on Main Power Cable,” In: Proceedings
of the 12th IEEE Mediterranean Electrotechnical
Conference - MELECON 2004, Vol. 3, pp. 983-
986, Zagreb, 2004.
[8] H. Nizar, Z. Y. Dong, M. Jalaluddin, M. J. Raffles,
“Load Profiling Method in Detecting Non-
Technical Loss Activities in a Power Utility,” IEEE
International Power and Energy Conference, pp.
82-85, Putra Jaya, 2006.
[9] Z. Zakaria, K. L. Lo, M. H. Sohod, “Application of
Fuzzy Clustering to Determine Electricity
Consumers' Load Profiles,” IEEE International
Power and Energy Conference - PECon '06, pp. 99-
103, 2006.
[10] A. M. B. Cotrim, ‘Instalações elétricas”, 4nd ed.,
São Paulo: Pearson Prentice Hall, 2003.
[11] M. E. Oliveira, A. P. Feltrin , F. J. Candian,
“Investigation of the Relationship Between Load
and Loss Factors for a Brazilian Electric Utility,”
IEEE/PES Transmission & Distribution Conference
and Exposition: Latin America - TDC ’06, pp. 1-6,
Caracas, 2006.
[12] J. A. Jardini, C. M. V. Tahan, M. R. Gouvea, S. U.
Ahn, F. M. Figueiredo, “Daily Load Profiles for
Residential, Commercial and Industrial Low
Voltage Consumers,” IEEE Transactions on Power
Delivery, Vol. 15, 2000.
[13] E. Y. Matsomoto, “MATLAB 6.5: Fundamentos de
Programação,” São Paulo: Editora Erica, 2002.
[14] M. J. Yuan, T. Heute, “Jboss SEAM – Simplicity and
Power Beyond JavaTM EE,” 1st ed. Indiana, USA:
Pearson Prentice Hall, 2007.
7
Proceedings of the 9th Brazilian Conference on Dynamics Control and their Applications
Serra Negra, SP - ISSN 2178-3667 781