Genie Electrique

This paper aims to present an implementation of the DEA cross-efficiency models in the environment R. R is a free software and open source, highly extensible that offers a variety of functions and graphical routines for data analysis. We develop R codes for both formulations aggressive and benevolent of the DEA cross-efficiency models. In order to illustrate a practical application of the R codes we use inputs and outputs from Brazilian electricity distribution utilities.

This paper discusses the strategies for electric vehicle penetration in the
market. It was verified that the role of power utilities companies as promoting agents of
this new business is recommendable and the electric vehicle is a fundamental element
which adds value to the smart grids. The application of a forecast methodology to get the
energy consumption from these vehicles in the metropolitan area of Rio de Janeiro shows
a well promising perspective for the next ten years. In fact, the increases of energy sales
and the additional benefits do not require big investments from the studied company,
including in its network

RESUMO A perspectiva de uma maior participação das fontes eólicas no Sistema Interligado Nacional aponta para a necessidade de incluir a previsão de curto prazo da geração eólica nos procedimentos da operação em tempo real e da programação diária da operação. No presente trabalho apresentam-se duas abordagens para previsão probabilística da geração eólica: regressão quantílica e uma metodologia híbrida que congrega processos gaussianos, estimador de densidade de probabilidade e simulação de Monte Carlo. Uma avaliação comparativa das duas abordagens propostas foi conduzida por meio de um experimento computacional com dados reais de um parque eólico localizado na Galícia, Espanha. PALAVRAS-CHAVE Energia eólica, Estimação de densidade, Previsão probabilística, Processo gaussiano, Regressão quantílica 1.0-INTRODUÇÃO O comportamento intermitente da velocidade do vento impõe desafios para a integração segura e econômica dos aproveitamentos eólicos aos sistemas de potência. Para viabilizar a integração da geração eólica os centros de operação demandam novas ferramentas de gerenciamento de energia elétrica, entre as quais se destaca a previsão da geração eólica [1]. Em geral, os métodos de previsão privilegiam a predição do valor esperado da geração eólica sem, contudo, quantificar e informar apropriadamente a incerteza associada à previsão. Em virtude do comportamento aleatório e intermitente do vento, a previsão do valor esperado da geração eólica sem uma quantificação adequada da incerteza não atende completamente as necessidades da operação. Por exemplo, em sistemas com grande participação de fontes eólicas a reserva operativa deve ser dimensionada de maneira a cobrir as incertezas nas previsões de carga e de geração eólica [2]. A densidade de probabilidade contém toda a informação de uma variável aleatória, portanto, para lidar com a incerteza deve-se considerar as previsões de densidade de probabilidade da geração eólica fornecidas por métodos de previsão probabilística [3]. O presente trabalho tem por objetivo descrever e comparar duas propostas para previsão probabilística da geração eólica: a regressão quantílica [4] e uma metodologia híbrida que congrega processos gaussianos [5], estimador de densidade de probabilidade [6] e simulação de Monte Carlo [7]. A implementação e análise comparativa das duas abordagens foi conduzida por meio de um programa em linguagem R [8] aplicado em um experimento computacional que contou com dados reais provenientes de um parque eólico localizado na Galícia, Espanha. A seguir, na seção 2 tem-se uma descrição da metodologia híbrida e na seção 3 uma breve introdução à regressão quantílica. Na sequência, na seção 4 apresentam-se algumas métricas para avaliação da qualidade de previsões probabilísticas. Os principais resultados são descritos na seção 5, em especial, as previsões probabilísticas das médias horárias da geração eólica até 48 horas à frente, ao longo de uma semana. Por fim, na seção 6 tem-se as conclusões do trabalho.

Neste trabalho apresenta-se uma metodologia de previsão que combina métodos de inteligência computacional com a finalidade de fornecer previsões do perfil de carga diário até dois dias à frente. A metodologia baseia-se na decomposição da carga em duas componentes: demanda média diária em MW (nível) e perfil diário (em p.u. da demanda média diária). A previsão da componente nível é realizada por uma rede neural multicamadas e a previsão do perfil baseia-se na inferência fuzzy aplicada na interpretação do mapa gerado por uma rede auto-organizável. A metodologia é ilustrada por um experimento com a série de carga do submercado Nordeste.

The typical load profiles are used in formulating the electricity distribution tariffs. Usually, clustering
algorithms are used in identification of typical load profiles from a sample with load curves
measurements. These methods group together load curves having similar shapes, from the which are
extracted the typical profiles. The various clustering algorithms can be applied to identify load profiles
but only the Self-Organising Map also known as Kohonen Map, a kind of neural network, can
organize a map where the clusters with similar load diagrams appears together in the map. The map
shows simultaneously all clusters and allows the visual identification of the load profiles. This paper
shows some results of a case study performed with Kohonen map applied on a sample with 125 load
curves.

The long-term electric power demand forecasting is
based on a set of basic premises that includes the macroeconomic
scenarios, the growth of the population and of the number of
households. The latter is the main determinant to calculate the
number of residential customers served by the utilities. This paper
presents the headship rate method and its projections for the
number of households in Brazil for the years 2010 and 2020. These
projections are based on the long term forecasting of the age
pyramid of the Brazilian population provided by the Brazilian
Institute of Geography and Statistics (IBGE). In order to forecast
the number of residential customers in the next ten years, the
projections for the number of households are combined with the
goals established by the Brazilian Electricity Regulatory Agency
(ANEEL) for universalization access to electricity.

Neste trabalho é descrita uma metodologia para previsão do consumo de energia elétrica da
classe residencial, na qual são consideradas diversas estatísticas produzidas pelo IBGE, em
especial, nas PNADs, nos Censos demográficos e nas projeções demográficas.

Summary form only given. This work presents a methodology for calculating the optimal generation capacity reserve and siting in power systems planning. The proposed methodology is based on a least-cost planning approach which considers along the planning horizon, the capacity reserve investment costs and the operational expected costs, comprising thermal generation and interruption costs. This problem is solved by using the Benders decomposition technique in which investment and operation subproblems solutions are obtained iteratively and separately thus allowing the use of tailor-made algorithms for each subproblem. The operation subproblem corresponds to a probabilistic evaluation of the minimum operation cost in composite generation/transmission systems, in which the system states are selected through Monte Carlo simulation or state enumeration and the system performance is analysed by a nonlinear optimal power flow solved by an interior point algorithm. The proposed methodology is illustrated in a case study with a modification of the IEEE Reliability Test System (MRTS).