4 SISTEMA DE CLASSIFICAÇÃO DE UNIDADES CONSUMIDORAS DE ENERGIA ELÉTRICA

Transcrição

1 94 4 SISTEMA DE CLASSIFICAÇÃO DE UNIDADES CONSUMIDORAS DE ENERGIA ELÉTRICA 4.1 INTRODUÇÃO Conforme dito no capítulo 1, a diminuição das perdas técnicas e comerciais é uma das principais prioridades das concessionárias de energia elétrica. O cenário competitivo da economia mundial exige que as empresas atinjam padrões crescentes de excelência. Estes novos paradigmas envolvem o binômio eficiência (baixo custo de produção) e eficácia (produto com alta confiabilidade) [27]. Neste sentido, as concessionárias buscam reduzir as perdas técnicas e comerciais, de forma a maximizar a energia disponível para comercialização. Outra questão importante é a influência do índice de perdas na composição da tarifa de negociação para o cliente do mercado livre. Quanto menor for este índice, mais competitivo será o valor final da tarifa. Técnicas computacionais clássicas de programação matemática e estatística têm sido aplicadas na análise da variação percentual de consumo, todavia com resultados pouco precisos. A proposta deste estudo é desenvolver um sistema inteligente para a identificação das perdas comerciais e suporte à decisão no direcionamento dos investimentos de recuperação. O trabalho será desenvolvido a partir da amostragem de unidades consumidoras de clientes supridos em baixa tensão (menor do que 1kV) e em média tensão (maior ou igual à 1kV e menor que 69 kv). Fatores ambientais, como a temperatura, fatores político-financeiros e outros fatores exógenos podem influenciar no consumo de energia elétrica, determinando um comportamento sazonal. De forma a minimizar a influência desses fatores, foram analisadas unidades consumidoras de uma mesma área de concessão geopolítica e em um mesmo período de tempo. Assim, considerou-se que todas as unidades consumidoras estiveram sujeitas aos mesmos fatores exógenos de forma equânime.

2 95 Uma das maiores dificuldades na análise de irregularidades na medição de unidades consumidoras de energia elétrica é a diversidade de padrões de carregamento que variam conforme a atividade econômica do cliente. Para viabilizar uma análise abrangente de todas as classes econômicas, este trabalho propõe a categorização natural do espaço amostral de unidades consumidoras pelo algoritmo FCM, em função das características elétricas de demanda e consumo destas unidades nos meses de janeiro a dezembro, independentemente de suas atividades econômicas. Figura 33 Sistema proposto para a e classificação de perdas comerciais em unidades consumidoras de energia elétrica A metodologia, cujo esquema é mostrado na Figura 33, analisará amostras de unidades consumidoras que serão extraídas da base de clientes da Light no período de janeiro de a junho de, da seguinte forma:

3 96 Módulo de Pré-Processamento: neste módulo serão calculados os Fatores de Carga (FC) das unidades consumidoras, conforme a eq. (68) apresentada na seção 4.2. Módulo de categorização: baseado no algoritmo Fuzzy C-Means (FCM) [20]. Neste módulo serão identificados os clusters em função do comportamento sazonal do fator de carga (FC) nos meses de janeiro a dezembro de, exclusivamente para unidades consumidoras sem registro de irregularidade; Uma etapa anterior à classificação fará a identificação dos clusters das unidades consumidoras já categorizadas, e que passaram a apresentar irregularidades na medição a partir de janeiro de A preparação dos padrões é exemplificada a seguir para uma unidade consumidora hipotética nº 25000: Padrão Normal A unidade consumidora nº 25000, sem irregularidades na medição no período de janeiro a dezembro de, foi categorizada como sendo de um cluster A hipotético, a partir dos 12 fatores de carga apresentados na Tabela 4. UC Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez Cluster A Tabela 4 Fatores de Carga da Unidade Consumidora Padrão Normal Padrão Irregular Supondo que a mesma unidade consumidora (25000) tenha apresentado duas ocorrências de irregularidade na medição em maio e junho de, o padrão com irregularidade será conforme apresentado na Tabela 5.

4 97 UC Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez Cluster A Tabela 5 Fatores de Carga da Unidade Consumidora Padrão Irregular Logo, estes dois padrões (normal e irregular) da UC nº serão entradas do Módulo de Classificação. Módulos de classificação: baseado nos sistemas neuro-fuzzy NEFCLASS [26] e NFHB-Invertido [13]. Para cada cluster gerado pelo Módulo de Categorização será criado um Módulo de Classificação especialista. Portanto, o Módulo de Classificador N receberá como entrada os padrões categorizados na saída do Módulo de Categorização do cluster N, para os padrões normais (não irregulares). À entrada do classificador são também acrescentados os padrões com irregularidades, conforme explicado no item anterior. No módulo de classificação serão consideradas: a análise de desempenho comparativa entre os modelos NEFCLASS e NFHB- Invertido e a extração do conhecimento em forma de regras fuzzy interpretáveis expressas como: SE x é A e y é B então padrão pertence à classe Z. Na seção 4.2, é apresentado o detalhe do pré-processamento dos dados. Na seção 4.3 é descrito o módulo de categorização. Na seção 4.4 é descrito o módulo de classificação.

5 MÓDULO DE PRÉ-PROCESSAMENTO Neste estudo o espaço amostral foi composto de 1684 unidades consumidoras de energia elétrica da área de concessão da Light Serviços de Eletricidade S.A., supridas em baixa tensão e média tensão, e pertencentes às classes comercial e industrial. Deste universo, identificaram-se 292 unidades consumidoras com valores normais de consumo de energia elétrica de janeiro a dezembro de, e que apresentaram pelo menos uma ocorrência de irregularidade na medição de janeiro de a junho de Seleção das Variáveis de Entrada Para se estudar o comportamento de carga das unidades consumidoras de energia elétrica escolheram-se os atributos Demanda e Consumo medidos, mês a mês, durante um período de 12 meses. O ciclo completo de um ano permite uma melhor análise do comportamento sazonal. Portanto, foram lidos 24 atributos para cada unidade consumidora Normalização dos dados Uma vez definida a composição dos atributos para cada unidade consumidora, seus valores foram normalizados pelo cálculo, mês a mês, do fator de carga elétrico (FC), dado pela eq. (68). O FC é adimensional, varia no intervalo [0,1], e identifica o nível de carregamento elétrico de uma unidade consumidora, em um determinado período, com relação ao seu nível máximo de carregamento elétrico, no mesmo período. Cj () i FC j () i = (68) D () i h() i j

6 99 onde: o Cj () i é o valor do consumo de energia elétrica, medido em kwh, do i-ésimo atributo do vetor de entrada da j-ésima unidade consumidora; o Dj () i é o valor da demanda máxima de energia elétrica, medida em kw, do i-ésimo atributo do vetor de entrada j-ésima unidade consumidora; o hi () é o número de horas do ciclo de faturamento do i-ésimo atributo do vetor de entrada. 4.3 MÓDULO DE CATEGORIZAÇÃO Para a etapa de categorização foram preparadas quatro amostras a partir do universo de unidades consumidoras: duas amostras com unidades industriais MT e BT e mais duas com unidades comerciais MT e BT. Após várias execuções do algoritmo FCM, observou-se que o comportamento de categorização das unidades de BT comerciais e industriais apresentava uma categorização similar. Tal fato possibilitou que todas as unidades de BT pudessem compor a mesma amostra. A tabela 6 resume a distribuição dos espaços amostrais utilizados neste trabalho.

7 100 Espaço Amostral Quantidade de Unidades Consumidoras Unidades BT 382 Unidades Industriais MT 436 Unidades Comerciais MT 866 Total 1684 Tabela 6 Composição dos Espaços Amostrais das Unidades Consumidoras de Energia 4.4 MÓDULO DE CLASSIFICAÇÃO Para cada uma das três categorias analisadas (BT, Industrial MT e comercial MT) foram utilizadas as seguintes variáveis para Treinamento e Teste dos Classificadores NEFCLASS [26] e NFHB-Invertido [13]: Entrada o Doze Fatores de Carga (FC) calculados mês a mês de janeiro a dezembro, onde FC = Consumo (kwh) / Demanda (kw) * hora (h) Saída o Classe 1 Instalação Normal o Classe 0 Instalação Irregular Os dados foram obtidos de unidades consumidoras da área de concessão Light Serviços de Eletricidade S.A. no período entre janeiro de 2001 e janeiro de.

8 RESUMO Neste capítulo foi apresentado o Sistema de Classificação de Unidades Consumidoras de Energia Elétrica para detecção de irregularidades na medição. Para a etapa de categorização natural das unidades consumidoras foi escolhido o algoritmo Fuzzy C-Means (FCM) devido a sua característica não rígida de categorização do espaço amostral, o que reflete mais a realidade do diaa-dia. Para a etapa de classificação foram escolhidos os sistemas neuro-fuzzy NEFCLASS e NFHB-Invertido, por terem a capacidade de extrair as regras que regem as irregularidades na medição de energia elétrica das diversas unidades consumidoras. No próximo capítulo será apresentado o estudo de casos, onde serão avaliados os desempenhos dos modelos NEFCLASS e NFHB-Invertido para classificação de irregularidades na medição das unidades consumidoras de energia elétrica.