Estimação de curvas de carga de unidades consumidoras residenciais: uma abordagem utilizando sistemas de inferência fuzzy tipo-1, fuzzy tipo-2 intervalar e neuro-fuzzy

Durante as últimas décadas, o consumo de energia elétrica no setor residencial vem aumentando e diferentes tipos de cargas vem sendo utilizadas, aliando isso com o avanço das tecnologias, o comportamento do consumidor tem se alterado, ficando evidenciado que cada vez mais a importância do aperfeiçoamento dos modelos de consumo de energia elétrica de unidades consumidoras residenciais, visando incorporar as mudanças de hábito e as incertezas do consumidor. O presente trabalho propõe a utilização de sistemas de inferência fuzzy tipo-1, fuzzy tipo-2 intervalar e fuzzy baseado em redes adaptativas para a estimativa do consumo de energia elétrica de unidades residenciais, considerando fatores comportamentais do consumidor, climáticos e socioeconômicos. O conjunto de dados utilizado para modelagem e validação possui 2073 amostras de consumo horário coletados da Pesquisa de Posse e Hábitos de Uso de equipamentos elétricos na classe residencial 2019, elaborada por meio do Programa Nacional de Conservação de Energia Elétrica – Procel. Os modelos foram implementados utilizando a linguagem de programação Python, sendo uma alternativa gratuita ao software MatLab. Os resultados foram avaliados pelo erro absoluto médio, erro percentual absoluto médio, erro quadrático médio e pela raiz do erro quadrático médio. Os modelos desenvolvidos apresentaram bons resultados e conseguiram correlacionar os aspectos climáticos, econômicos-sociais e comportamentais humano para a estimação do consumo de energia elétrica em unidades consumidoras residenciais, sendo que o modelo utilizando sistema de inferência fuzzy baseado em redes adaptativas obteve o melhor resultado

Resumo (inglês)

Over the last few decades, electricity consumption in the residential sector has been increasing and different types of loads have been used. Combined with advances in technology, consumer behavior has changed, making it increasingly important to improve models of electricity consumption in residential consumer units, in order to incorporate changes in habits and consumer uncertainties. This work proposes the use of type-1 fuzzy inference systems, interval type-2 fuzzy inference systems and adaptive-networks-based fuzzy inference systems to estimate the electricity consumption of residential units, taking into account consumer behavior, climate and socioeconomic factors. The data set used for modeling and validation has 2073 hourly consumption samples that were collected from the 2019 survey of ownership and habits of use of electrical equipment in the residential class, prepared through the National Electric Energy Conservation Program - Procel. The models were implemented using the Python programming language, which is a free alternative to the software MatLab. The results were evaluated by mean absolute error, mean absolute percentage error, mean square error and root mean square error. The developed models showed good results and were able to correlate climatic, socioeconomic, and behavioral aspects to estimate electricity consumption in residential units. The adaptive-networks-based fuzzy inference system model obtained the best results

Palavras-chave

consumo de energia residencial, lógica fuzzy, sistema de inferência fuzzy tipo-1, sistema de inferência fuzzy tipo-2 intervalar, sistema fuzzy baseado em redes adaptativas, residential energy consumption, fuzzy logic, type-1 fuzzy inference system, interval type-2 fuzzy inference system, adaptive-networks-based fuzzy inference systems, Energia elétrica - Consumo, Redes inteligentes de energia, Medidores elétricos

Idioma

Português

Citação

RODRIGUES, Lucas Furtado. Estimação de curvas de carga de unidades consumidoras residenciais: uma abordagem utilizando sistemas de inferência fuzzy tipo-1, fuzzy tipo-2 intervalar e Neuro-fuzzy. Orientadora: Paloma Maria Silva Rocha Rizol. 2025. 77f. Dissertação (Mestrado em Engenharia) - Faculdade de Engenharia e Ciências, Universidade Estadual Paulista, Guaratinguetá, 2025.