PREVISAO DE INDICADORES DE CONTINUIDADE DE ENERGIA ELETRICA A PARTIR DA APLICACAO DO METODO DE REDES NEURAIS ARTIFICIAIS FILDHE O. LouBACK, JULIANA B. Marros, Kesia A. C. Lousack, Douieos S. L. SMMONETTI, OURESTE E. BATISTA Laboratério de Eletrénica de Poténcia e Acionamento Elétrico, Departamento de Engenharia Elétrica, Universidade Federal do Espirito Santo (UFES) Av. Fernando Ferrari, 514 — CEP 29075-073 — Gotabeiras, Vitéria, Espirito Santo E-mails: £iliphel@gmail.com, julianabarcellosmattos@gmail.com, xesialves@gmail.con, d.simonettigele.ufes.br, oureste.batista@ufes.br Abstract — la Beas. one way of evaluating the poxformunce of cnray diauibutor eateries i regulating the county of ea. fay supplieg thvough two main ndseators SAIDI sed SAIF. The eerrses that volate the regulatory mits of thon sadien tors can suffer pale. Inthe way, the indicators stration ofr a fture perspective of their endencis, giving the post sy to identify those that have the tendency of geting worse. This project consist fa methodology for continua indicators c= ‘umatica based on Amificial Nena! Nerwork application, as an atenatce method tothe current estnaticn processes Ir uses real Guta fom EDP Espinto Saato ang aims the esunation of soatatiy monty inccatrs of coatomer vase group for one 30 ‘The celta obtained fom the mteriptions duration estnaion model presented a low ean aquaes eno, signicatly lower than th exo fom the exintion method used by the dstbuter enterese being table ts application. Otherise. the ess btn’ bythe intepions”fequency estimation mode! presented 2 mean squared errr 20% hisher than the acquired by the “isubutor eutepese method for esumaion ‘Keywords — Coctnuity fadcatrs, Neural Networks, Time Series, Distribution, Estimation, SAIDL, SAIFL ‘Resumo — No Brasil, wna das ica através da qual o deseapenho das dstrbuideras de ergs waliado 2 Qualidade do Servizo, que regula contnuidade do forecimento de eneriaeenca através dos indicadores DEC e FEC, estando 2 distribu dora de enrsia seta a penalidades uo caso de nto comprsmesto ds limites relatos. estimasto de as indicadorespro- ‘pecioua, eae, um conkecimento do pancrama futuro da empresa, cportunizanéo 2 igentcaca previa de aeas cus indica focesgossuem tendénea de potato tempo. O freseate taba corsets no deseavolvimento dea retodalogia de xtmag$0 os indicadores de continuidade do fomnecmento de encasautlizando a apicasao de Redes Neuras Asics, com into {fs ofrecer um mfiodo alternative aoe processor ane de extimarae, © trabalho utiliza dados seis da EDP Espirito Santo e ob Jetva 2 estimarao dos indicadores DEC e FEC mensus de um cenjunto elesico, para 0 periodo de um ano. O resultado obudo para a estinarto do DEC apresemou exo quadetico mide signiicavameate ineroe ao eo d0 método de presto da disti- buidora,sendo idvel 0 modelo ropost. O fesuliado apeseatalo pel modelo de estinaso do FEC apeseutou sro quaddico sibio 20% superior ao apeesrtado elo modelo de proviso da empress. Palavras-chave—Indicadores de Continued, Redes Neuris, Series Temporas, Disribueao, EstimacSo, DEC, FEC '* A Qualidade do Produto: relacionada & con- formidade da tensto, fator de poténcia, ba monicos, desequilibrio de tensio fluruagdo de tensio, variagao de tensio, variagdo de frequéncia © variagdes de tensto de curta 1 Introdugio ‘Uma grande preocupacio do setor elétrico brasi- leiro é a contimuidade do servigo prestado. As inter rupedes no fomecimento de energia atingem direta- mente aos cousumidores finais, reduzindo a qualida- de do servigo (Magalhies, 2017). As interrupedes de enargia slo eventos de tensto inferior a 0.1 px. € podem ser causadas pelo clima, mau funeionameato de equipamento, operacao de religamento ou inter- rupedio no sistema de transmissto (Rocha, 2016). © consumidor final de pequeno e médio porte (cativo) é sujeito 4 concessiondria, que é um mono- polio, e, portanto, precisa de regulagdo. No Brasil, este papel é exercido pela Agencia Nacional de Energia Elétrica (ANEEL), onde a distribuicgo de enetgia eletrica é normatizada e padronizada através dos Procedimentos de Distribuigio de Energia Elétri- ea (PRODIST). A qualidade do sistema de distribu io de energia elétrica pode ser pereebida pelo con- sumidor sob a dptica de tres aspectos distintos: duragio: ‘© A Qualidade do Servigo: relacionada & con timidade do fornecimento de energia; © A Qualidade do Atendimento a0 Consumi- dor: referente a qualidade do atendimento comercial, a qualidade do atendimento tele {fOnico e ao tratamento das informagdes. Para medir o desempenho e a confiabilidade de sistemas de distribuigdo de energia a partir do aspec~ to da qualidade do produto, existem alguns indieado- res de qualidade estabelecidos pela ANEEL. Dente eles, destacam-se a Duragdo Equivalente de Interrup- io por Unidade Consumidora (DEC) e a Frequéucia Equivalente de Interrupgao por Unidade Consumido- 13 (FEC), estipulados segundo os procedimentos refe- rentes & Qualidade da Energia Eletrica (QE) estabe- lecidas no Médulo 8 dos Procedimentas de Distri- buigdo ~ PRODIST (ANEEL, 2017)Em caso de violagdo das metas estabelecidas 20 periodo de apuragdo, as concessionarias deverio s0- rer penalidades (Sperandio, 2004) que vao desde uma fiscalizagao estratégica, ou plano de resultados, pela ANEEL, na qual a concessionaria deve elaborar tum plano para atingir as metas de seus cojuntos e apresenta-lo ao drgio fiscalizador, bem como a reali- zagio de compensagdes aos consumidores. Por outro lado, © bom desempenho em tais indicadores & re- compensado pela ANEEL através de ajuste taritirio anual como incentivo a busea pela methoria continua dda qualidade do servigo. Conforme dados da ANEEL, (ANEEL, 2017), no Brasil as concessionsrias realiza- ram uma quantidade de 125,20 milhdes de compen- sages em 2015 e 110,98 milhées em 2016 e 78,66 milhdes em 2017 que refletiram em valores de RS 656,89 milhdes, RS $71.13 milhdes e RS 381,90 mi- Indes, respectivamente A ocorréncia de interrupedes do fornecimento de energia elétrica estd intimamente relacionada a fato- res extemnos que agem sobre as redes de distribuigao. No Brasil existem quatro tipos de redes de distribui- cho de energia elétriea: aéreas convencionais, aéreas compactas, aéreas isoladas ¢ subterraneas, sendo a primeira destas a mais encontrada, caracterizada por condutores nus (sem isolamento) e, portanto, mais suscetiveis a ages externas. Neste contexto, inter- rupedes no fomecimento de energia elétrica :40 co- asumente ocasionadas pelo clima, mau funcionamen- to de equipamentos, operacio de religamento, inter- supedo no sistema de transmisso, galhos de arvores que encostam na linha ou descargas atmosférieas que geram freates de ondas com nivel de tensAo superior A capacidade de isolameato dos isoladores, © conhecimento, a priori, dos indicadores de continuidade DEC e FEC, pode ausiliar na definiglo de prioridades para distribuir de forma mais eficaz os investimentos e recursos para a reducdo de problemas no sistema elétrico, trazeudo como consequéacia direta destes investimentos a melhoria das indices de confiabilidade subsequentes (Tronchoni, 2008). Nes- te sentido, este trabalho objetiva a elaboracio de uma metodologia baseada na utilizagio de redes neurais, que sera aplicada na previsto de séries temporais, como as séries de valores de indicadares de qualida- de DEC ¢ FEC. 2. Redes Neurais Artificiais E grande o niimero de aplicagdes em que as Re- des Neurnis Artificiais (RNA) apresentam-se como método de inferéncia de solugao para problemas de previsio. Uma RNA é uma téenica computacional, baseada em um modelo matemético inspirado na e3- twurara neural de organismos inteligentes, o qual é capaz de adquirir conhecimento através da experién- Em 1943 MeCullock ¢ Pitts propuseram a se- guinte operagio de uma unidade de processamento apreseatado na Figura 1. Dados s#o apresentados @ entrada, cada dado é multiplicado por um peso que reflete a sua influéneia na saida da unidade, apos é feita uma soma ponderada dos sinais que produz um aivel de atividade e se esse nivel de atividade for superior a um certo limite (threshold) a unidade pro uz uma determinada resposta de saida (Carvalho, 2017) Figura 1. Eaquema de um neurdnio repost gor MeCullsk — Pins A arquitetura de uma RNA 6 organizada em ca~ madas que so classificadas em camada de entrada, conde os dados sio apresentados, camadas intermedia sias ou escondidas, onde 0 processamento ¢ realizado através de couexdes ponderadas © camada de saida onde 0 resultado final ¢ apresentado (Carvalho, 2017). Pata cada tipo de aplicacdo desejada, bi ar- quiteturas que melhor se adequam, viabilizando me- bores resultados. Ha, em termos gerais, quatro prin- cipais arquiteturas: Arquitetura feedforward de ca- mada simples, arquitetura feedforward de camadas aailtiplas, arquitetura recorrente ou realimentada e a arquiterura em estrutura reiculada, Para o presente trabalho, foi utilizada a arquite- ture de rede feedforward de camadas miltiplas que pode ser aplicada 1 previsdo de séries temporais, como as séries de valores de indicadores de qualidade DEC e FEC. A arguitetura de rede feedforward de camadas miltiplas ¢ apresentado na Figura 2. Figura 2. Arguitetrafndforvard camadas miliplas Esta arquitetura € constitulda pelas camadas de entrada © de saida © por uma ou mais camadas ocul tas, sendo a complexidade do problema o principaldeterminante da quantidade das camadas escondidas e de neurénios. ‘3. Metodologia para estimagao dos indicadores Para melhor planejamento das ages @ serem executadas durante 0 ano, é de pritica que as distei- buidoras de energia estimem o desempenho dos indi cadores coletivos de continuidade a0 longo dos me- ses. Neste seutido, o presente trabalho propde a apli- cagdo de uma RNA, de arquitetura feedforward de camadas aniltiplas, para estimagéo dos indicadores de continuidade DEC e FEC pata o intervalo de tem- po de doze meses: janeiro a dezembro de um deter- minado ano, A estimagao utiliza dados eoletados nos 3. Aquisigao de dacios Os dados de cada interrupglo no fornecimento de energia elétrica na area de concessio de uma con- cessionaria sto guardados em bancos de dados por pelo menos 5 anos (Aneel, 2017). Esses dados con- em informagdes como: identificagde da ocorséncia, ator gerador, localizagao, data do couhecimento, hora do conhecimento, forma de conkecimento, equi pamento de intermupeao, duragao, quantidade de cli- entes afetados, alimentador, subestagto, conjunto, municipio e tempos de atendimento, Para 05 desenvolvimentos, utilizou-se duas bases de dados da concessionaria EDP Espirito Santo, na qual sio armazenadas as ocorréncias vinewladas a desligamentos programados e ndo programados a rede de distribuicao de energia. Como projeta piloto deste trabalho, foi selecio- nado um conjunto elétrico pertencente a concessioné- tia EDP Espirito Santo. A partir dos dados extraidas do banco de dados éa concessionéria foram geradas as variaveis para o treinamento da RNA, apurados para periodos disrios, conforme deseritas a seguir: ‘© Indicadores DEC ¢ FEC (ordens no expur- iveis): © Indicadores DEC # FEC programados; © Quantidade de intecrupgbes de energia; © Quantidade de interrupedes de energia pro- ramadas; © Quantidade de ordens de atendimenta sem interrupgao de energia: ‘© Tempo médio de atendimento total: Tempo médio de preparo; ‘Tempo médio de deslocamento: Tempo médio de reparo: Quantidade de ordens relacionadas a uma determinada causa: © Indicadores DEC e FEC das ordens selacio- nadas a uma determinada causa, 3.2 Identificagao das varidveis iniciais do sistema 4.2 Selegto das variveis de Causa de interrupodio (© Anexo Il do PRODIST ~ Médule 8, Seeao 8.2, Revisio 9 — prevé 39 detalhes de fatores gerado- res de intermipeéo, categorizados em oito grupos de causa, divididos, ainda, por tipo e otigem, podendo esses fatores serem expandides em mimero, desde que mantidos todos os previstos no procedimento. Cada ordem de interrupedo, portanto, possui um fator gerador associado a ela. Visto que a quantidade de fatores geradores & elevada e entendendo que i fato- zes de maior e de menor impacto dependendo da re- gio em analise, foram selecionadas as causas de aaior relevaacia para o conjunto objeto deste estudo. ara tal, foram levantadas as seguintes informa- es referentes ao periodo anual das anos de 2011 a 2016: © Quantidade de ordens de interrupgio por © DEC por causa; © FEC por causa As informagées coletadas foram, enti, ranquea- das ¢ selecionov-se as cinco principais causas de in- terrupgdes para cada um dos anos ¢ foram obtides os arificos 1, 2 ¢ 3. A partir desses trés grificos, foram selecionadas as wés principals causas de cada um deles: ‘© Grafico 1: selecionadas as causas conexio, deterioragao de equipamento e causas 10 determinadas, ‘© Grifico 2: selevionadas as causas servigo programado com aviso, papagaio (pipa) e deterioragio de equipamento. ‘© Grafico 3: selecionadas as causas papagaio (pipa), causa no determinadas e deteriora io de equipamento, A partir da seleeZo das principais trés eausas de cada grifico, foram determinados 0s fatores gerado- ses (causas) a serem utilizados como variaveis do sistema. Uma vez que a causa ‘Servigo programado com aviso” & equivalente as informagses das varié- vis referentes a interrupedes programadas tal causa {foi desconsiderada do presente levantamento de vari- veis, Portanto, sto variiveis do sistema as causes segundo 0 Quadro 1 (Quake 1. Fatores Geradores seleconad como variveis Sal em cr Papaguie ipa) ‘Deferiowso de equpaiien Si Cones Carats nto derenGrifica 1 Cinco Principe Cauene (2011-2016) Quantiade de Orden de Interupeao por Cause Grifico 2 Cinco Princpais Causes (2011-2016): DEC por Causa rn = — tome iid |; — ar Grifice 3, Cinco Prncipae Caueas Q011-2016) FEC por Causa ene Mie 3.2.2 Varidveis para andlise do DEC (© Quadro 3 apresenta as variaveis que foram es- tipuladas para a andlise das entradas para estimaga0 do indicador DEC. Ressalta-se que todas as variaveis foram apuradas em amostras difias, para © periodo de 2011 a 2016. (Quad 2 Verdes para anise do DEC Sia Varied DEC Tediadersoletivo de coutnuidade ~DEC DEC_PROG DEC programade aD. ‘Quanta de sesupstes Je xan ‘Quanta de ineruposes de eness ro QrD_PROG. ee ‘Guastidade de ordens de stendimento som TD _SEMINT swreupeo de eran TMA “Fempo midis de ateadinsnio TP Tempo mdi de preparo TD “Fimpo mitio de desiocaneno TMR “Temp mide dereparo ‘Quast de Ordens com Causa Pepaaais c1_grp ae " ‘Quanta de Orden: com Cava Deans Sean 80 de equipamento CLOT | Quesdade de Ordens som Causa Concajcatdade de Orden com Caveas a deer ciop | & ie eee cee FEC de couse Popassio Dips) (C2. FEC | FEC da causa Deterioaro de equipanenia CFEC FEC da causa Couerto (CEFEC | FEC da causa Senazo progamado com 07m0 3.2.3 Vartévets para andlise do FEC © Quadro 3 apzesenta as varidveis que foram es- tipuladas para a anilise das entradas para estimagio do indieador FEC. Ressalta-se que todas as variaveis foram apuradas em amostras disrias, para periodo de 2011 2016. (Qundo 3. Vardveis para aniline do FEC Sia Vaated FEC Tedicadar coltve de contd FEC FEC PROG FEC prosamads ‘OD, ‘Gizaiade de ntenupeses de cnersa Gro. pmo | Sealine de mend de eres roramE CI_QID | Quastidade de Ordens com Cavea Papageis Pip) ‘Quaatdade de Ordeus com Causa Detenoragdo de eagin sauipaments COI | Guantidade de Ordes com Crass Conese ‘Gusntdads de Orden com Causes io deren cog Gir ‘DEC da causa Papago Pipa) CFEC | DEC da causa Deteonagto de squpamiata Guat TDEC da caus Conexo (CALFEC | DEC da cawa Sevigo progameiocom aie 4.3 Andlise e pré-processamento dos dados Selecionadas as variaveis iniciais do sistema, tais dados foram snbmetidas a um pré-processamento, a fim de filtrar apenas 0s dados mais relevantes para 0 desempenho do sistema, Verificov-se a correlagio eruzada entre as séries temporais das variéveis apresentadas nos Quadros 2 € 3 ea série temporal do indicador a0 qual tais varid- veis se referem @ niio houve alteragio do padrio de correlagdo entre os atracos e as amostras presentes, Ou seja, a correlagio da amostra presente com as amostras passadas é invariante em relacio ao tempo, nio havendo particularidades entre 05 dados analisa- dos. Dessa forma, qualquer amostea das séries pode ser aualisada de maneira semelhante em relagio aos atrasos. Posteriormente foram tragados os graficos de corelagdo cruzada entre as varidveis da secgao 3.2 ¢ seus respectivos indieadores, e tragados também 0s {ificos de auto correlagao dos proprios indicadores,, obteve-se, endo, a relagao entre cada uma das séries remporais de variaveis selecionadas para o sistema e a saida desejada. A primeira condigao de selegao das varidveis de entrada da RNA foi que as varidveis selecionadas deveriam ter correlagio com a saida maior que um limite minimo relacionado a um valor predeterminado de intervalo de confianga, ‘Apés selecionadas as varidveis que apresentam cortelagdo com a saida maior que o limiar determina- do para o Intervalo de Confianga e apés filtré-las liminando 9s varidveis consideradas informago redundante, foram analisados 05 graficos de correla gdes das séries temporais com o objetivo de localizar 19s atrasos que possuem alta correlacio com a ammostra presente e determina-los variaveis de entrada da rede, PPor fir, foram obtidas as variaveis de entrada da RNA. Tais varidveis consistem, portanto, em atrasos predeterminados das séries temporais analisadas, além de atrasos da série temporal do préprio indica dor, selecionados a partir do eritério de Intervalo de Confianca e de atraso miiximo. Portanto, as variaveis selecionadas em cada série temporal nio séo atrasos necessariamente consecutives, mas sim aqueles que atendem as exigéncias determinadas, Foi decidido pelo uso de amostras didrias como entradas da RNA, devido ao maior volume de dados e, cousequente- ‘mente, melhor desempenho de seu treinamento e re- sultados. Os Quadros 4 S apresentam as variéveis que compuseram a matriz de entrada da RNA para cada indicador. (Quadro 4. Varaves para estimasio do DEC Siricteperst | Ouartdnde de wrasos winds DEC TE DEC PRO, 1 TMA 1 DEC 9 CDEC 17 Tedder a Quadeo 5. Varidvets prs estimagto do FEC ‘Saictenpart _[_Quanidade de amasos winds FEC a FEC PROG T CLFEC 7 GEC TT CFEC az Tol de vanities 3 3.4 Consirugao da rede neural artificial Tendo sido selecionadas as variaveis de entrada dda rede e tendo a estruturagao dos dados para treina- memo, teste e validacdo, foi desenvolvide um codigo 1a plataforma MATLAB para treinamento da RNA. ppara estimagdo dos indieadores DEC e FEC. A Figu- 12 6 apresenta o fluxograma do cédige deseavolvido. Como ajustes de parametros da rede, é escolhido © indicador a ser estimado, & determinado 0 algorit- mo de treinamento e a fungdo de ativagdo de cada ccamada a serem utilizados, & definida a quantidade de camadas da rede e © afimero minimo e miximo de neurénios por camada. O cédigo cri, treina e testa 10 redes para cada combinagto de quantidade de sneuronios e de quantidade de camadas predetermina- dias. Para selecto da rede com melhor resultado, 0 ccédigo utiliza como eritério o menor erro quadratico madio do teste de rede. Foi adotado 70% dos dados para treinamento da RNA, 15% para teste ¢ 15% para validaga,= Ss > mesh ae] i mone | Coase 4 —i— — { a TES | [eee] Per ote ies) one | Pe + aie a wre | Creacssia a Figura 3. Flaxograma do cédigo de teinamento da RNA Foram mantidas as configuagles padrao do MATLAB para critério de parada do treinamento, que analisa o ganho de aprendizado e interrompe 0 treinamento apis 6 iteragSes em que no ha melhoria de desempenho da rede (erras de validacd0). Para os algoritmos de treinamento, foram utilizados 0 de Le- venberg-Marquardt eo BFGS quasi-Newton, sendo ambos métodos de backpropagation, Para a fungio de ativagio de cada camada também foi mantida a con figuracdo padrio do MATLAB, que ¢ funcdo de ati- vagio sigmoide, Para o treinamento da rede, foi feito normalizag2e dos dados de entrada, segundo seus Para determinagio da RNA de estimagio dos in- dicadores foram feitos varios treinamentos de redes, alterando a quantidade de camadas ocultas e de nev: ronios por camada, através do processo de tentativa € erro. Para o nimero de camadas testadas, restringiu- se a0 niimero maximo de 5 camadas ocultas. Para a quantidade de newrénios por camadas, variou-se de 5 40, dependendo do teste realizado. 4 Resultados Conforme definide anteriormente, 70% das amostras totais foram utilizadas no treinamento da RNA e 15% dos dados foram aplicados para selegtio da rede com melhor desempenho, pautada no menor erro quadritico médio. Para obtengio dos resultados apresentados neste capitulo, foram aplicados os 15% restantes das amostras totais, separadas especifica- ‘mente para teste do modelo escolhido. ‘Ao final dos treinamentos e testes propastos no subeapitulo anterior, foram selecionadas as RNA que ofereceram os melhores resultados para cada indica- dor. © Quadro 6 apresenta os principsis parimetros de suas configuragdes de treinamento e validacio, Quadro 6 Parimetos das RNA de estimacio dos indicadores DEC HC ‘Goma de Camas : > Oeultas : a (Gasntdade de Nearbnios Tt Taetea | Laeater Teste eae ‘Marquardt | Marquardt iro Quaatice Maio SS eyasci | an oe aeuanot | 1810+ ‘Uma vez validada a topologia de rede seleciona- da para a estimagio do indicador DEC, foi obtido 0 exo quadratico médio do teste para anilise de seu desempenho. © Quadro 7 apresenta os valores dos erros quadraticos observados no treinamento da rede, aa validagio realizada, no teste do modelo ¢ 0 erro apresentado pelo método de estimagio da distribui- dora. Observa-se que, embora o etro apresentado no ‘reinamento seja significative, a rede foi capaz de apresentar respostas com etros consideravelmente inferiores na validagao e no teste, ¢ quando compara- do ao erro apresentado pelo método da distribuidera, a RNA desenvolvida através da metodologia aborda- dda neste trabalho apresenta resultados com erro signi- {icativamente inferior ~ cerca de 60% menor ~ sendo {ustificavel sua aplicacao. (Quad 7 Eros quatitios médios dos sesuados do modelo DEC Ene Tramainento esas Eno Vaicagio ZERO Eno Tete S710 iro Models Distibuidors Talo A Figura 4 apresenta a sesposta da RNA selecio- nada para estimagio do DEC enquanto a Figura 5 apreseata o resultado da estimacao quando aplicado 0 método da distribuidora, para os dados de teste da rede, A metodologia adotada pela distribuidora con- siste em compor os dias do més ainda por acontecer com 0: indieadores dos dias equivalentes do ano an- terior. Dessa forma, para um més futuro, a previsio baseia-se apenas nos Valores observados no ano ante Bas re ot ae tal lid vlbicut Medi lLdooaths ls Figura 4. Resuitado da RNA para estimacio do DECmi | | | | | | Lath Figura 5. Resuitado do métode de estimagio da Distributors para ‘DEC Analogamente, validada a topologia de rede se- lecionada para a estimagio do indicador FEC, foi obtide o erro quadritico médio do teste para analise do desempenho. © Quadro § apresenta os valores das erros quadrticos observados no treinamento da rede, no teste realizado, na validaea0 do modelo e o erro apresentado pelo métado de estimagio da disteibui- dora. Observa-se que no houve grande vatiagao nos valores dos erros obtides com 0 treinamento, valida- gfoe teste, (Quudso 8. Enos quadeiticos mos dos rsuados do modele FEC ‘Ene Trsmaneats Baal Eo Validasio 13x17 Eire Tee Teo Tne Models Disibuidara TSs107 ‘A putir da Figura 6, que apresenta a saida da RNA para a estimagdo do indicador FEC (para os dados de teste da sede), ¢ possivel pereeber que a rede nlo produziu muita variaedo, indicando a possi- bilidade de que os dados usados como entrada para 0 treinamento da rede nao tenham sido suficientes para produzir apreadizado e generalizagdo suficientes para a obtengdo de uma boa resposta, Quando comparado 0 erro aprecentado no teste da rede com 0 etre apre- sentado quando aplicado © metodo da distribuidora, observa-se que a RNA teve pior desempenho, apre- sentando erro 20% superior, o que caracteriza un ppercentual significative, tornando a aplicacto da rede so justficavel para a estimagao do FEC. No entan- to, conforme estabelecido no Quadro 5, as entradas da RNA de estimacao do FEC s40 atrasos das series temporais do FEC relacionado a trés causas distintas, da série temporal relacionada ao FEC programado ¢ atrasos da série temporal do proprio indicador. A consideragdo de novas variiveis como entrada do modelo poderia agregar informagio relevante ao trei- namento ¢ aprendizagem da rede, sendo, portanto, ‘uma alternativa para otimizagao do processo e obten- 20 de melhores resultados. A Figura 7 apresenta 0 sesultado da estimagao quando aplicado 0 método da distribuidora, para os dados de teste da rede iy | ‘reat nmalidalnadtha, ie isp BD Mathai stub nN all alt Figura 7. Resltado do método de eatnaso da Distsbusdora para ‘oFEC 5 Conelusio ‘A previsfo dos indicadores de continuidade do fomecimento de energia oferece as distribuidoras de energia a possibilidade de um planejamento melhor direcionado ¢ a possibilidade de gauhos referentes a sum melhor desempenho frente as exigéneias regulat6- ras. O trabalho aqui apresentado trouxe uma abords- gem heuristica por inteligéncia artificial, atraves da aplicagdo de redes neurais artificiais. Foram obtides resultados satisfatérios para a estimagio do DEC — com redueio de 60% do erro quadritico médio quan- do comparados ao método habitual empregado pela distribuidora de energia — e resultadas nao aplicaveis, para a estimagio do FEC — com aumento de 20% em relagio 4 mesma metodologia aplicada na empresa, Para 0 tratamento de dados, ou pré- processamento, a utilizagao de intervalos de confian- a elevados permitin uma escolha de variaveis com maior seletividade e andlise de correlacio entre as varidveis do sistema ¢ as saidas desejadas permitiu a climinagdo de informagdes redundantes contribuindo para a otimizagao do processamento do sistema, E importante destacar que 0 presente projeto propde a estimagao de um processo estocastico com alto grau de aleatoriedade, sendo influenciado por fatores de diferentes naturezas, como fatores climétices, dispo- aibilidade de equipes e de recursos financeiros, taxa de falha de equipamentos, dentre varios outros. Além disso, 08 dados utilizados na metodologia aqui pro- posta so informagdes provenientes apenas do baneo de dados da Qualidade do Sistema, sendo, portanto, informagdes referentes ao processo regulatorio de cileulo dos indicadores, niio abrengendo, portanto,informagdes de outras naturezas que sfo potencial- ‘mente relevantes a0 processo de aprendizado da rede. Referéncias Bibliograficas ANEEL. Procedimentos de distribuigtio de energia elettica no sistema elétrico nacional. Disponivel ce: « http:/svww.aneel.gov.briprodist >. Acesso em: jul. 2017, ANEEL, Modulo 8 ~ Qualidade de Energia Eletrica Disponivel em: « _http:/Avww aneel. gov br/documents/656827/148 669 14/MPsC3eB3dulo8_Revisao_8/9c7Scfab- a7d7-4066-b6ba-cfdda3058d19 >. Acesso em: jul. 2017, ANEEL. Compensacio pela transgressao dos limites de coutimuidade. Disponivel em: =< npy/www.aneel. gov. bu/indicadoves-de- compensacao-de-contimuidade >. Acesso em: jul 2017, ANEEL. Méculo 6 — Informagdes requeridas ¢ obrigagdes. —Disponivel em _http:/swww-aneel. gov bridocuments!656827/148 669 14/MPsC3%B3culo6_Revis%C3%A3012.p¢ £21341314-de91-44eb-b091-le768ca3be8d >. Acesso em: jul. 2017. Carvalho, A. P. L. F. Redes Neurais Artficiais, ‘Material de Aula — Departamento de Ciencias da Computagio — Universidade de Sao Paulo. Disponivel em: < hitp://conteudo ieme-usp be/pessoas/andre esear ch/neural/#intra >. Acesso em: jul. 2017. Magalhies, E. F, A. Modelagem e Simulagto de Indicadores de Continuidade: Ferramenta Ausiliar para a Manutengio em Redes de Distrbuigio de Energia Elétriea. Dissertagio (Mestrado) - Programa de Pés-gradusgao em Engenharia Industrial (PEI), Escola Politécnica, Universidade Federal da Babia, Salvador, 2017. Rocha, J. E. Qualidade da Energia Eletica Departamento de Eletrotéenica. Universidade ‘Teenoligiea Federal do Parana. Curitiba, 2016, Sperandio, M. Classificagao de conjuntas consumidores de energia elétrica via mapas auto organiziveis estatisticn _uultivariada Dissertagio (Mestrado) - Programa de Pés- agraduacdo em Engenharia Elétriea, Universidade Federal ce Santa Catarina. Floriandpolis, 2004 Tronchoni, A, B. Identificagdo de causas de desligamentos mio programados em redes de distribuigao. Dissertagdo (Mestrado) - Programa de Pés-graduago em Engenharia Eletrica, Pontificia Universidade Catélica do Rio Grande Do Sul. Porto Alegre, 2008,