Miguel Afonso Sellitto ^†

José Luis Duarte Ribeiro ^‡

Fabiano Petrillo ^*

^† Programa de Pós-Graduação em Engenharia de Produção e Sistemas.

Universidade do Vale do Rio dos Sinos, São Leopoldo, Brasil.

sellitto@unisinos.br

^‡ Programa de Pós-Graduação em Engenharia de Produção.

ribeiro@producao.ufrgs.br

^*Programa de Pós-graduação em Engenharia Elétrica

Universidade Federal do Rio Grande do Sul, Porto Alegre, Brasil

fabiano@petrillo.com

Title: Long-term non-linear model for the power requirement of the brazilian electricity system

The formerly closed Brazilian electrical energy market has been disclosed for investors and domestic consumers, which now have choices for theirs decisions concerning energy sales and purchasing, in long-term contracts. To establish minimal planning condition, suppliers need to forecast the required load in order to project and operate power plants. With the aid of a method that integrates non-linear regression and soft-system methodology, we depict a non-linear model for the gross total electric power requirement, counting on domestic activity, population and human developing index. A goodness-of-fit better then 96% was achieved. The final analysis focused on the strong contingency period occurred in Brazil in 2001.

Keywords: electrical power, multiple nonlinear regression, multivariate data analysis, SSM, long-term load forecasting.

Resumo

O mercado brasileiro de energia elétrica abriu-se recentemente a investidores e consumidores, que agora têm opções de longo prazo para compra e venda de energia. Para que haja condições mínimas de planejamento neste mercado, é necessário um modelo de longo prazo capaz de prever as necessidades futuras de suprimento de energia elétrica. Por meio de um método que integra regressão não-linear múltipla com SSM (soft system methodology), foi proposto um modelo para o requisito de potência, calculado a partir do nível de atividade negocial brasileira, do total de população e de seu nível de desenvolvimento humano. O ajuste obtido pelo modelo foi superior a 96%. Uma análise final focou no período de contingenciamento de oferta de energia ocorrido no Brasil em 2001, conhecido como apagão.

Texto completo apenas disponível em PDF.

7.  Referências

Al-Saba, T.; El-Amin , I. [1999] Artificial neural networks as applied to long-term demand forecasting. Artificial Intelligence in Engineering. Vol. 13, No 2, pp. 189-197.        [ Links ]

Bana e Costa, C.; Ensslin, L.; Correa, E.; Vansnick, J. [1999] Decision Support Systems in action: Integrated application in a multicriteria decision aid process. European Journal of Operational Research, Vol. 113, No 2, pp. 315-335.

Belton, V.; Ackerman, F.; Sheperd, I. [1997] Integrated support from problem structuring through to alternative evaluation using COPE and V.I.S.A. Journal of Multiple Criteria Decision Analysis. Vol. 6, No 3, pp. 115-130.

Bezerra, E.; Diwan, J. [2001] Uso de DEA como alternativa ao IDH na mensuração do desenvolvimento humano nos maiores municípios brasileiros, Anais do XXXIII Simpósio Brasileiro de Pesquisa Operacional, SOBRAPO, Campos do Jordão.

Bunn, D. [2000] Forecasting loads and prices in competitive power markets. Proceedings of the IEEE, Vol. 88, No 2, pp. 163-169.

Caio, L.; Berman, C. [1998] Análise das metodologias de previsão de mercado de energia elétrica face ao novo perfil de planejamento no ambiente pós-privatização. III Congresso Brasileiro de Planejamento Energético, Anais, S. Paulo.

Comitê de Revitalização do Modelo do Setor Elétrico [2002] Relatório de progresso nº 2, fevereiro de 2002, disponível em http://www.energiabrasil.gov.br/, acesso em novembro de 2002.

Corrar, L.; Theóphilo, C; Bergmann, D. Regressões.  [2004] In: Corrar, L.; Theóphilo, C. (org). Pesquisa operacional para decisão em contabilidade e administração, Atlas, S. Paulo.

Da, X.; Jiangyan Y.; Jilai Y. [2000] The physical series algorithm of mid-long term load forecasting of power systems. Electric Power Systems Research, Vol. 53, No 1, pp. 31-37.

Dettmer, W. [1997] Goldratt´s theory of constraints, ASQ, Milwauke.

Draper, N.; Smith, H. [1981] Applied Regression Analysis, John Wiley & Sons, N. York.

Eden, C. [1988] Cognitive maps: A review. European Journal of Operational Research. Vol. 36, No 1, pp. 1-13.

Ensslin, L.; Montibeller, S. Noronha, S. [2001] Apoio à decisão, Insular, Florianópolis.

Figueiredo, K.; Oliveira, F.; Pacheco, M.; Vellasco, M. [2005] Intelligent solutions to energy conservation problems. Núcleo de Inteligência Computacional Aplicada, PUC-Rio, Brazil.  Disponível em http://www.ica.ele.puc-rio.br/publicacoes/download/cnf_0002.pdf. Acesso em dezembro de 2005.

Goldratt, E. [1990] Theory of constraints, North River Press, Great Barrington.

Hair, J.; Tatham, R.; Anderson, R.; Black, W. [1998] Multivariate Data Analysis, Prentice Hall, New Jersey.

IBGE [2002] Instituto Brasileiro de Geografia e Estatística, disponível em http://www.sidra.ibge.gov.br, acesso em novembro de 2002.

Iwamiya, H.; Kermanshahi, B. [2004] Long-term load forecasting using neural nets. Working paper. Tokyo University of Agriculture and Technology, disponível em http://www.tuat.ac.jp/~bahman/achivment/hiroshi_ICEE.PDF, acesso em dezembro de 2004.

Jackson, M. [1993] Systemic methods in management sciences, Plenum Press, New York.

Kandil, M.; El-Debeiky, S.; Hasanien, N. [2002] Long-term load forecasting for fast developing utility using a knowledge-based expert system. IEEE Transactions on Power Systems. Vol. 17, No 2, pp. 491-496.

Kendall, G. [1998] Securing the future: strategies for exponential growth using the theory of constraints, St. Lucia Press, Boca Raton.

Morgan, G. [1996] Imagens da organização, Atlas, S. Paulo.

Milone, G.; Angelini, F. [1995] Estatística aplicada, Atlas, S. Paulo.

Mutolsky, H. [2001] The GraphPad guide to nonlinear regression. GraphPad Software Inc., disponível em http://www.graphpad.com, acesso em novembro de 2001.

ONS [2005]  Operador Nacional do Sistema, disponível em http://www.ons.org.br, acessos em novembro de 2002 e dezembro de 2005.

Papalexopoulos, A.; Hesterberg, T. [1989] A regression-based approach to short-term system load forecasting. Conference Papers of Power Industry Computer Application Conference, pp. 414-423.

Park, D.; El-Sharkawi, M.; Marks, R.; Atlas, L.; Damborg, M. [1991] Electric load forecasting using an artificial neural network. IEEE Transactions on Power Systems, Vol. 6, No 2, pp. 442–449.

Parlos, A.; Oufi, E.; Muthusami, J.; Patton, A.; Atiya, A. [1996] Development of an intelligent long-term electric load forecasting system. Proceedings of the International Conference on Intelligent Systems Applications to Power Systems, pp. 288-292.

Peng, T.; Hubele, N.; Karady, G. [1992] Advancement in the application of neural networks for short-term load forecasting. IEEE Transactions on Power Systems. Vol. 7, No 1, pp. 250-257.

Rahman, S.; Hazim, O. [1993] A generalized knowledge-based short-term load-forecasting    technique. IEEE Transactions on Power Systems, Vol. 8, No 2, pp. 508-514.

Ribeiro, J.; Newmann, C. [2003] Planejamento e condução de grupos focados. In: Ribeiro, J. (org.) Grupos focados: teoria e aplicações.: FEENG-UFRGS-PPGEP, Porto Alegre.

Sellitto, M. [2005] Processos de pensamento da TOC como alternativa para análise sistêmica em organizações: um estudo de caso em saúde pública. Gestão & Produção, Vol. 12, No 1, pp. 81-96.

Sheinkopf, L. [1999] Thinking for a change: putting the TOC thinking process to use. St. Lucia Press, Boca Raton.

Silva, E. [2001] Formação de Preços em Mercados de Energia Elétrica, Sagra, Porto Alegre.

UNDP [2002] United Nations Development Program, disponível em http://www.undp.org.br, acesso em novembro de 2002.

Werkema, M.; Aguiar, S. [1996] Análise de Regressão, Fundação Cristiano Otoni, B. Horizonte.

Wilson, B. [2001] Soft system methodology: conceptual model building and its contribution, John Wiley & Sons, Chichester.