PREVISÃO DE CARGA EM SISTEMAS DE DISTRIBUIÇÃO: DIRETRIZES REGULATÓRIAS, MODELOS MATEMÁTICOS E DESAFIOS NA ESTIMATIVA DA DEMANDA
DOI:
https://doi.org/10.63330/aurumpub.005-005Palavras-chave:
Previsão de Carga, Modelos Matemáticos, Planejamento de Sistemas Elétricos, Otimização da Demanda, Sistemas de DistribuiçãoResumo
A previsão de carga é um elemento essencial para o planejamento e a operação eficiente dos Sistemas Elétricos de Distribuição (SEDs), permitindo a alocação otimizada de recursos, a mitigação de sobrecargas e a garantia da qualidade do fornecimento de energia. A Agência Nacional de Energia Elétrica (ANEEL) estabelece diretrizes normativas para a previsão da demanda por meio do Módulo 2 dos Procedimentos de Distribuição de Energia Elétrica no Sistema Elétrico Nacional (PRODIST), exigindo que concessionárias e distribuidoras mantenham bases de dados atualizadas e realizem estudos periódicos. Diferentes modelos matemáticos são utilizados para estimar a evolução da carga, variando de abordagens tradicionais, como modelos lineares e polinomiais, até técnicas mais avançadas, como redes neurais artificiais e algoritmos genéticos. Além disso, a previsão de carga deve considerar fatores externos que influenciam o consumo energético, incluindo variáveis climáticas, mudanças no perfil socioeconômico e políticas de eficiência energética. Este trabalho apresenta uma análise detalhada dos procedimentos normativos estabelecidos pela ANEEL, discute os principais modelos matemáticos utilizados para previsão de carga e explora os desafios associados à projeção da demanda elétrica nos diferentes horizontes temporais.
Downloads
Referências
AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA (ANEEL). Módulo 2 - Planejamento da Expansão do Sistema de Distribuição. Brasília, 2021. Disponível em: https://www2.aneel.gov.br/cedoc/aren2021956_2_1.pdf. Acesso em: 03 de janeiro de 2025.
AGUIRRE, L. A. Introdução à Identificação de Sistemas: Técnicas Lineares e Não Lineares Aplicadas a Sistemas Reais. 3. ed. Belo Horizonte: UFMG, 2007.
ALMEIDA, C.; FISHWICH, P. A.; TANG, Z. Time series forecasting using neural networks vs. Box-Jenkins methodology. Simulation Councils, [S. l.], p. 303-310, nov. 1991.
KAGAN, N. et al. Métodos de Otimização Aplicados a Sistemas Elétricos de Potência. São Paulo: Blucher, 2009.
MACHADO, M. V. Modelagem Matemática do Tempo de Vida de Baterias Utilizando Modelos Autorregressivos. 2014. Dissertação (Mestrado em Modelagem Matemática) – Universidade Regional do Noroeste do Estado do Rio Grande do Sul, Unijuí, 2014.
RIBEIRO, C. V. Um ambiente para previsão de séries temporais utilizando comitês de aprendizado. 2009. Dissertação (Mestrado) – Instituto Militar de Engenharia, Rio de Janeiro, 2009.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2025 Joelson Lopes da Paixão, Alzenira da Rosa Abaide (Autor)

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.