Análise do consumo de energia elétrica no Brasil

durante 2019-2020 através de abordagens

estatísticas
Mariana de Oliveira Novais Teixeira, Igor Delgado de Melo, Luana Oliveira da Costa, Alexandre Bessa dos Santos
Programa de Pós-Graduação em Engenharia Elétrica
Universidade Federal de Juiz de Fora
Juiz de Fora, Brasil
mariana.novais@engenharia.ufjf.br, igor.delgado2008@engenharia.ufjf.br,
luana.oliveira@engenharia.ufjf.br, alexandre.bessa@engenharia.ufjf.br

Resumo—Este trabalho aborda o consumo de energia
elétrica do Brasil no biênio de 2019-20. Analisa-se o impacto de
eventos sociais e econômicos, incluindo a pandemia da COVID-
19, na demanda de carga do Sistema Interligado Nacional.
Métodos estatísticos aplicados nos dados de consumo de
energia - curvas de carga fornecidas pelo Operador Nacional
do Sistema, fundamentam as análises realizadas. Correlação de
Pearson, histogramas, boxplots e o teste t de Student são
utilizados para efetuar as análises permitindo a realização de
inferências e considerações acerca do problema.
Em [7] é realizada uma análise de regressão linear do
número de óbitos por COVID-19 entre os meses de março e
junho, obtidos por meio de dados de Registro Civil, com
base na data de registro e data de ocorrência. Foi
quantificado um coeficiente angular de 3.277 mortes para
dados do mês de ocorrência e 3.916 mortes para o mês de
registro.
Devido a esse cenário econômico e sanitário, no âmbito
brasileiro, impactos em vários setores puderam ser notados.

Palavra-chave—curvas de carga, análises estatísticas,
consumo de energia, correlação de Pearson.
I. INTRODUÇÃO
Por ser um agente de crescimento tecnológico e
econômico, o consumo de energia é o indicativo fundamental
de crescimento econômico e qualidade de vida de uma
determinada localidade [1], [2].
Baseado nesse indicativo, dentre os fatores que
impactaram o consumo de energia no Brasil durante os anos
de 2019 e 2020, apontam-se os problemas econômicos
enfrentados por questões políticas e pela pandemia de
COVID-19 (do inglês, Coronavirus Disease) e as ações para
seu enfrentamento [3].
No ano de 2019, o Brasil teve um crescimento de 1,4%
no seu Produto Interno Bruto (PIB), que quantifica a soma de
todos os bens e serviços produzidos no país. Já no ano de
2020, ocorreu uma redução de 4,1% no seu PIB, caindo da 9a
para a 12a posição das maiores economias do mundo. Essa
redução acarretou uma diminuição na produção, de consumo
e empregos [3]–[5].
O Brasil seguia em um lenta recuperação econômica
quando, em fevereiro de 2020, o primeiro caso de COVID-
19 foi confirmado no país. Nas semanas seguintes, os casos
evoluíram para uma pandemia, alterando este cenário [3].
Dados do SUS Analítico apontam que, no início de março de
2021, foram registrados mais de 11 milhões de infectados e
mais de 265 mil vidas perdidas no país [6].
Os autores agradecem o apoio de instituições de apoio à pesquisa
brasileira como a CAPES, CNPQ e FAPEMIG.
Em [8] é apresentado uma avaliação sobre alterações
ambientais ocasionadas em função da adoção de medidas de
isolamento social para combate ao COVID-19. No que tange
o consumo de energia, na semana de 22 de março de 2020,
houve uma redução de quase 9%, se comparada à semana
anterior.
Em [9], disserta-se sobre o impacto financeiro da redução
do consumo de energia de um consumidor A4, decorrente da
interrupção das suas atividades em razão da pandemia. É
quantificada a perda financeira da não utilização da demanda
contratada pelo consumidor.
De fato, impactos nos perfis de consumo e nas curvas de
carga diárias em dias úteis e feriados ocorreram. Esses dados
são mensurados em tempo real pelo Operador Nacional do
Sistema (ONS) e fornecidos publicamente em seu site
oficial.
De acordo com a referência [10], a curva de carga é um
registro horário, de horizonte diário, das demandas de certa
localidade. Logo, trata-se de um perfil de relação entre
consumo de energia e o tempo.
Devido a heterogeneidade das cargas presentes no
sistema e suas atividades, os consumidores de energia
possuem padrões de consumo distintos, por consequência,
curvas de cargas diferentes. Contudo, é possível estabelecer a
natureza dos consumidores de acordo com o seu perfil de
consumo. Eles podem ser classificados como residencial,
comercial, industrial, entre outros.
A curva de carga residencial é caracterizada por um
consumo praticamente constante durante o dia e por possuir
um pico de consumo entre o horário de ponta, incluindo o

XIV CBQEE-XXXX-XXXX-X/XX/SBQEE ©2021 http://sbqee.org.br/sbqee/

ISBN: 978-65-89463-06-1 DOI: 10.17648/cbqee-2021-130520

 final de semana, reduzindo esse consumo durante a
madrugada [12].
Por sua vez, a curva de carga comercial é caracterizada
por um consumo quase estável durante o horário comercial,
com uma pequena redução durante o horário típico de
almoço [13].
Por fim, a curva de carga industrial varia de acordo com
o tipo da indústria. Geralmente, possuem consumo elevado e
uma redução do consumo durante o horário de ponta [12].
A Fig. 1 mostra o comparativo entre duas curvas de carga
do Sistema Interligado Nacional (SIN). O dia 05 é uma
quinta-feira e o dia 07 é um sábado, ambos de uma mesma
semana em dezembro do ano de 2019. A primeira curva (em
amarelo) apresenta característica mista entre o perfil
comercial e industrial, enquanto a segunda (em vermelho)
retrata características de um perfil residencial.
Fig. 1. Examplo de curvas de carga [11].
O objetivo deste trabalho é apresentar um estudo
comparativo entre o consumo de energia do SIN observado
nos anos de 2019 e 2020. Curvas de carga, fornecidas pelo
ONS, são utilizadas para os estudos de caso. Abordagens
estatísticas são adotadas para se efetuar avaliações
permitindo a realização de inferências e obtenção de
conclusões.
Além desta seção introdutória, o artigo é dividido em
outras seções. Na segunda, são apresentadas as metodologias
que permitem a inferência através de métodos estatísticos
aplicados em dados mensurados. Na terceira, resultados são
apresentados e na última, considerações finais são esboçadas.
II. CONCEITOS USADOS PARA AS ABORDAGENS ESTATÍSTICAS
As metodologias empregadas neste trabalho são
fundamentadas em métodos estatísticos para análise de dados
referentes às curvas de cargas diárias.
A. Métricas estatísticas
A análise estatística se fundamenta em dois grupos de
medidas: parâmetros de tendência central e parâmetros de
dispersão. Parâmetros de tendência central identificam um
conjunto de dados de acordo com as suas características em
um único centro (valor); a exemplo, média, mediana e moda.
Por sua vez, parâmetros de dispersão buscam compreender a
variabilidade destes dados; a exemplo, variância e desvio
padrão [14].
Pra um grupo de dados, a média é definida como o valor
esperado, a mediana é o valor central desse grupo de dados
organizados seguindo uma ordem de grandeza e moda é o
valor mais frequente encontrado. A variância quantifica o
quão disperso esses dados estão do ponto central (média) e o
ISBN: 978-65-89463-06-1
desvio padrão também quantifica a dispersão dos dados em
relação a média, contudo, possui a mesma unidade de
medida dos dados [14].
Seja xi , i = 1, ... , n um conjunto de dados, as equações
(1), (2) e (3), calculam a média, ̅ , a variância, , e o
desvio padrão, , respectivamente, de tal grupo [14].
∑
 ̅  
∑ ̅
  
∑ ̅
 √ √  
Tem-se, também, a medida de correlação, r, que mede o
grau de dispersão da relação linear entre duas variáveis, x e y.
Quanto mais próxima do valor unitário é o valor de r, mais
forte é correlação linear entre os dados. Em oposição, quanto
mais próximo do valor nulo, menor é a correlação linear,
podendo ser nula. O cálculo da correlação, também
conhecido como coeficiente de Pearson, é descrito em (4).
∑ ̅ ̅
  
√∑ ̅ ∑ ̅
Comumente, um conjunto de dados permite que seus
valores sejam mostrados na forma de histogramas.
Histogramas são gráficos de frequência de dados e, a partir
dele, é possível aproximar uma função de distribuição que
descreve o seu comportamento [14].
B. Testes de verificação
Dentre diversas funções de distribuição, tem-se a
distribuição normal. A curva de distribuição normal é a que
melhor se aproxima do comportamento de diversos
fenômenos físicos [9]. A função densidade de probabilidade,
f(x), que delimita seus valores, é mostrada em (5). Essa
função é definida pela média e desvio-padrão dos dados [14].
̅
  
√
Quando aplicável, realiza-se testes de verificação, que
objetivam aceitar ou rejeitar hipóteses estatísticas. Há duas
hipóteses a serem analisada: H0, a hipótese nula, onde
̅ ̅ ; e Ha, a hipótese alternativa, onde ̅ ̅ . Então,
por meio de um teste estatístico, a hipótese em análise é
rejeitada ou aceita [14].
O teste t é um tipo de teste de verificação empregado
para comparar médias. Este é calculado através da (6) e
comparado com distribuição t com n1+n2−2 graus de
liberdade (GDL) e ao erro da distribuição, α, dado por .
A análise do resultado do teste ocorre da seguinte forma
[14]:
 Se : a hipótese H0 é rejeitada e as médias
analisadas são distintas. Logo, Ha é aceita.
 Se : a hipótese H0 é aceita e, portanto, as
médias são iguais. Logo, Ha é rejeitada.
DOI: 10.17648/cbqee-2021-130520
 ̅ ̅
   h
2019 2020
̅
√ ̅ ̅
3 54,84 54,72 5,00 54,60 54,53 5,56 -0,43 ± 11,02
em que n1 e n2 são os tamanhos dos dados e é uma 4 54,62 54,29 4,83 54,29 54,14 5,50 -0,60 ± 13,77
estimativa da variância calculado por (7). 5 55,08 54,75 4,82 54,30 54,14 5,30 -1,42 ± 9,97
6 56,31 56,84 5,41 54,65 54,04 5,77 -2,94 ± 6,66
   7 59,18 60,18 6,41 57,61 57,10 7,28 -2,66 ± 13,56
8 63,49 64,60 7,63 61,33 60,69 8,48 -3,41 ± 11,03
III. SIMULAÇÕES E RESULTADOS 9 66,16 67,03 8,20 63,43 62,42 8,90 -4,12 ± 8,54
As curvas de cargas utilizados neste trabalho, ilustradas 10 68,15 69,00 8,51 64,98 63,77 9,10 -4,65 ± 6,93
na Fig.2, foram obtidas no website do ONS. Os dados 11 68,69 69,45 8,32 65,34 63,85 8,80 -4,87 ± 5,75
possuem discretização horária, iniciando às 0h00min do
12 67,30 67,63 7,74 64,61 63,16 8,30 -3,99 ± 7,20
primeiro dia do ano em análise e finalizando às 0h00min do
primeiro dia do ano subsequente. As análises estatísticas 13 68,74 69,23 8,73 66,25 64,93 9,32 -3,62 ± 6,80
foram implementadas no software MatLab® [15], em um 14 69,94 70,68 9,43 67,51 66,33 9,97 -3,48 ± 5,66
computador Intel-Core i3 com sistema operacional Windows 15 70,05 70,77 9,34 67,95 66,95 9,83 -3,00 ± 5,17
10. 16 69,60 70,32 8,53 68,10 67,28 8,99 -2,16 ± 5,40
17 68,36 69,23 5,91 67,69 67,47 6,26 -0,99 ± 6,01
18 70,66 71,43 3,53 71,03 71,27 3,93 0,53 ± 11,27
19 71,04 71,28 3,45 72,10 72,12 4,57 1,49 ± 32,18
20 70,52 70,53 4,05 70,72 70,69 5,26 0,28 ± 29,96
21 70,20 70,18 4,89 69,97 69,49 6,00 -0,32 ± 22,90
22 68,18 68,00 5,46 67,62 67,21 6,28 -0,82 ± 15,14
23 64,56 64,03 5,73 64,15 63,61 6,26 -0,63 ± 9,39
24 60,70 60,22 5,66 60,53 60,09 6,04 -0,29 ± 6,75

Fig. 2. Curvas de carga do SIN [11].

As Fig. 3 e 4 mostram graficamente os valores da média,
mediana e desvio padrão de 2019 e 2020, respectivamente.
A. Média, mediana e desvio-padrão
Os valores de mediana e média são próximos, indicando a
A análise dos dados foi conduzida de forma horária. Por conformidade dos dados. Como esperado, o horário
meio da quantificação do ponto de equilíbrio dos dados, comercial foi o que apresentou a maior dispersão.
levantou-se a curva de carga média dos anos em estudo.
Calcula-se a mediana dos dados e os valores de desvio-
padrão, visando informar a variabilidade do mesmo.
Determina-se, também, a variação das médias, identificando
quais pontos do dia apresentam uma redução ou aumento de
consumo.
São realizadas duas abordagens no tratamento dos dados.
A primeira utiliza todos os dias do ano, sem distinção entre
eles, e a segunda, divide os dados em dias úteis e não úteis.
Dias não úteis são considerados, para fim deste trabalho, os
finais de semana e feriados nacionais. Esse enfoque visa
quantificar de forma mais específica o consumo do SIN,
segregando dados com grande impacto do consumo
industrial e residencial do comercial. Fig. 3. Curvas de carga média, desvio-padrão e mediana – ano 2019.
A Tabela I mostra os valores calculados considerando
todos os dias do ano, sem distinção entre eles. Os dados de
média, mediana e desvio-padrão são dados em GWh/h e
variação das médias e desvio-padrão em porcentagem. Na
tabela em questão, é feito uma análise a cada hora (h) ao
longo de 24 horas diárias.

TABELA I: RESULTADO DE MÉDIA, MEDIANA E DESVIO-PADRÃO DOS ANOS

DE 2019 E 2020.

2019 2020
h ̅
̅ ̅
0 60,70 60,22 5,67 60,52 60,09 6,05 -0,29 ± 6,68
1 57,76 57,48 5,44 57,62 57,37 5,84 -0,24 ± 7,40
2 55,85 55,62 5,21 55,68 55,47 5,66 -0,30 ± 8,74 Fig. 4. Curvas de carga média, desvio-padrão e mediana – ano 2020.

ISBN: 978-65-89463-06-1 DOI: 10.17648/cbqee-2021-130520

 A Fig. 5 apresenta a curva de carga média horária de cada
ano. Como pode ser notado, a curva média de 2019 apresenta
um comportamento misto entre comercial e industrial.
Entretanto, a curva média de 2020 se aproximou da
residencial, devido a redução do consumo durante o horário
comercial.
Fig. 5. Curvas de carga média do SIN.
As Fig. 6 e 7 comparam a média horária anual, ̅ ,
mostrada na Tabela I e Fig. 5, com as médias horárias
considerando apenas os dias úteis, ̅ , e dias não úteis, ̅ ,
para os anos de 2019 e 2020, respectivamente. Apesar de
possuir tendências semelhantes, com redução e elevação de
consumo em horários específicos, é notável a mudança no
perfil de consumo. A Fig. 8 mostra a variação porcentual das
médias entre os anos em análise, quantificando a mudança no
consumo de energia.
Fig. 6. Curvas de carga média anual, dias úteis e não úteis do SIN – ano
2019.
Fig. 7. Curvas de carga média anual, dias úteis e não úteis do SIN – ano
2020.
Como destacado na Fig. 8, de fato, a redução no
consumo de energia no período horário típico comercial da
curva de carga média anual, foi influenciada pela redução de
consumo durante os dias úteis, retratando a contração
econômica do país. Para as curva de carga analisadas, o
consumo no horário de pico sofreu a maior variação, o que
ISBN: 978-65-89463-06-1
pode ser reflexo das medidas de isolamento social vigentes
no país, com o objetivo de combate ao COVID-19.
Fig. 8. Variação porcentual das curvas de carga média anual, dias úteis e
não úteis do SIN entre os anos de 2019 e 2020.
B. Mediana e boxplot
As Fig. 9 e 10 mostram os boxplots dos dados, analisados
de forma horária para os anos de 2019 e 2020,
respectivamente.
Para o ano de 2019, o horário de ponta apresentou quartis
menores e mais simétricos, indicando um consumo de
energia mais homogêneo, e no horário comercial apresentou
maior variabilidade. Para o ano de 2020, o horário comercial
apresentou quartis mais assimétricos.
Fig. 9. Boxplot do SIN – ano 2019.
Fig. 10. Boxplot do SIN – ano 2020.
C. Coeficiente de Pearson
As Fig. 11 e 12 mostram a relação dos dados entre os
anos de 2019 e 2020 para às 01h00min e 18h00min,
respectivamente. Para uma dada hora em análise, é possível
comparar o valor de consumo para o ano de 2019 e 2020,
durante todos os dias do ano.
DOI: 10.17648/cbqee-2021-130520
 Através do estudo da correlação dos dados é possível
compreender a relação entre os anos de 2019 e 2020. O
coeficiente de Pearson, para cada hora, visualizado na Fig.
13, mostra que grande parte dos dados possui correlação
fraca a moderada positiva.
quantificados nas classes 6 e 7, apresentou uma diminuição
de frequência. Valores inferiores a 55 GWh/h, mostrados
nas classes de 1 a 3, apresentaram maior frequência em
2020.

Fig. 14. Histograma do SIN – ano 2019.

Fig. 11. Dados do ano de 2019 vs 2020 para 01h00min.

Fig. 15. Histograma do SIN – ano 2020.

A Fig. 16 mostra a função densidade de probabilidade

Fig. 12. Dados do ano de 2019 vs 2020 para 18h00min.
dos dados. A Tabela II mostra os valores calculados de
média e desvio-padrão, em GWh/h, considerando todos os
dias do ano, os dias úteis e não úteis, utilizados para
caracterizar as funções gaussianas. A variação das médias é
dada em porcentagem.

Fig. 13. Coeficiente de Pearson.

Para o horário de ponta os valores de consumo médio no

ano de 2020 foram superiores ao de 2019, como visto na
Tabela I e na Fig. 3, representando uma mudança no sentido
dos dados, distanciando os dois perfis de consumo. Focando
no dado de 18h00min, nota-se uma correlação bem fraca Fig. 16. Função de densidade de probabilidade.
negativa, indicando um distanciamento dos dados mais
expressivo, se comparado aos outros valores. Esse resultado TABELA II. RESULTADO DE MÉDIA, DESVIO-PADRÃO DOS ANOS DE 2019
E 2020 – ANUAL, DIAS ÚTEIS E NÃO ÚTEIS.
corrobora os valores encontrados.
2019 2020
D. Função Densidade de Probabilidade Dado ̅
̅ ̅
As Fig. 14 e 15 dispõem os dados em estudo, mostrados Ano 64,58 8,84 63,42 9,22 -1,80 ± 4,21
na Fig. 2, na forma de histograma. Os dados foram divididos Útil 66,91 8,33 65,66 8,74 -1,87 ± 4,97
em 10 classes, com intervalo de 5 GWh/h, iniciando em 40
Não útil 58,59 6,80 57,92 7,59 -1,14 ± 11,66
GWh/h, que é menor valor inteiro próximo ao menor valor
de consumo observado. Ambos os histogramas podem ser
aproximados por uma distribuição normal, visto na Fig. 16. Pela análise da Fig. 16, é nítido o impacto da dispersão
dos dados no comportamento da função gaussiana,
Infere-se, a partir da análise dos histogramas, que a classe comparando os dias úteis e não úteis. Com média e dispersão
5, que quantifica valores entre 60 e 65 GWh/h, apresou uma menores, os dias não úteis apresentou uma função de
maior frequência de dados no ano de 2020, em relação a densidade de probabilidade mais abrupta, em relação aos dias
2019. Em contra partida, consumos entre 65 a 75 GWh/h, úteis.

ISBN: 978-65-89463-06-1 DOI: 10.17648/cbqee-2021-130520

 Pela Tabela II, nota-se que os dados de consumo dos dias TABELA III. COMPARATIVO DOS RESULTADOS
úteis apresentaram uma ligeira variação média em relação Ano PIB [%] ̅ [GWh/h] ̅ [GWh/h] ̅ [GWh/h]
aos demais, porém a maior variação da dispersão dos dados
2019 1,4 64,58 66,91 58,59
ocorreu nos finais de semana e feriados nacionais, mesmo
esse apresentando a menor variabilidade dos dados. 2020 -4,1 63,42 65,66 57,92
[%] -392,9 -1,80 -1,87 -1,14
E. Teste t de Student
O teste t foi aplicado considerando as seguintes
hipóteses: De fato, o consumo de energia no Brasil no ano de 2020
foi menor que no ano de 2019, caracterizado por uma
 H0 : ̅ ̅ . Significando que as médias horárias do
anos de 2019 e 2020 são iguais. redução durante o horário comercial e um aumento no
horário de ponta, mostrando o impacto dos eventos
 Ha : ̅ ̅ . Significando que as médias horárias do econômicos e sociais desses anos. Essa alteração no padrão
anos de 2019 e 2020 são diferente. de consumo aproximou a curva de carga característica do
A Fig. 17 apresenta o resultado do teste da t aplicado as SIN a de uma curva residencial.
curvas de carga média mostradas na Fig. 5, para GLD → ∞ e REFERÊNCIAS
α = 0,05. Nota-se que alguns valores ultrapassaram a região
de aceite a hipótese H0 para a região de aceite da hipótese Ha. [1] Y. Cai, C. Y. Sam e T. Chang, ―Nexus between clean energy
consumption, economic growth and CO2 emissions,‖ Journal of
Cleaner Production, vol. 182, pp. 1001–2011, 2018.
[2] A. Finkler, D. R. Finkler, J. L. D. S. Castro e T. Franco, ―Relaço do
Crescimento Econômico e Consumo de Energia Elétrica,‖ XXIV
Seminário de Iniciação Científica da Unijuí, 2016.
[3] D. Alvarenga, ―Com recessões e pandemia, PIB do Brasil tem pior
década em 120 anos.,‖ 2021. url: https://g1.globo.com/economia/
noticia/2021/03/03/com-recessoes-e-pandemia-pib-do-brasil-tem-
pior-decada-em-120-anos.ghtml.
[4] ——, ―Brasil sai de lista das 10 maiores economias do mundo e cai
para a 12ª posição, aponta ranking,‖ 2021. url: https://g1.globo.
com/economia/noticia/2021/03/03/brasilsai-de-lista-das-10-maiores-
economiasdo-mundo-e-cai-para-a-12a-posicao-aponta-ranking.ghtml.
[5] I. Schiavi, ―Recessão econômica: o que é a queda no PIB e o que ela
Fig. 17. Teste t de Student. causa a um país?,‖ 2021. url: https://economia.uol.com.br/faq/
recessao-economica-o-que-e-a-queda-nopib-e-o-que-ela-causa-ao-
A Fig. 18 mostra a tomada de decisão do teste t. Atribui- brasil.htm.
se o valor zero e um para aceitar ou rejeitar, respectivamente, [6] A.SUS, ―COVID-19,‖ 2021. url:
a hipótese H0, na qual as médias horárias em análise do anos https://susanalitico.saude.gov.br/extensions/covid19_html/covid-
de 2019 e 2020 são estatisticamente iguais. O valor zero 19_html.html.
indica que a hipótese H0 é aceita e portanto, as médias [7] C. Pereira, A. Marcelino e C. Machado. "O Registro Civil nos quatro
primeiros meses da pandemia de Covid-19 no Brasil: estudo
horárias em análise são iguais, assim refutando a hipótese de comparativo entre óbitos por mês de ocorrência e de registro." Revista
Ha. O valor um indica que a hipótese H0 é rejeitada, dessa Brasileira de Estudos de População , vol. 37, 2020.
forma, as média horárias em análise são diferentes, [8] E. Oliveira, R. Santos, B., N. Furtado, N. Rosa, H. Pinheiro, e N.
implicando na aceitação da hipótese de Ha. Mesquita. ―Os Impactos Ambientais Ocasionados Pelo Isolamento
Social Em Decorrência Da COVID-19‖, Educação Ambiental em
Ação, vol. 19, n. 73, 2020.
[9] R. Oliveira, I. Morais, M. Tostes, V. Andrade, e C. Carvalo.
―Desenvolvimento e aplicação de software de gerenciamento
energético para comparação da demanda no período de pandemia do
COVID-19‖, Anais da Sociedade Brasileira de Automática, vol. 2,
n.1, 2020.
[10] ANEEL, ―Curva de Carga,‖ url: https:// www.aneel.gov.br/.
[11] ONS, ―Curva de Carga Horária,‖ url: http:
//www.ons.org.br/Paginas/resultadosdaoperacao/historico-da-
operacao/curva _ carga_horaria.aspx.
[12] A. Diefenthäler,.A. Sausen, P. Sausen, e M. Campos. ―Modelagem
matemática da curva de carga de um sistema elétrico real a partir de
Fig. 18. Tomada de decisão de H0.
séries de Fourier‖. Revista Brasileira de Computação Aplicada, v. 11,
n. 2, p. 64-73, 2019.
Esse resultado, novamente, está em concordância com os [13] A. Souza, P. Costa Jr, R. Oliveira, M. Zago, P. Papa, D. Gastaldello.
valores encontrados nas análises, confirmando a mudança no ―Algoritmos para estimar curvas de cargas a partir de padrões de
padrão de consumo, nos anos em estudo. hábitos de consumo.‖ 9th Brazilian Conference on Dynamics, Control
and their Applications, 2010.
IV. CONCLUSÕES [14] A. Balbinot e V. Brusamarello, Instrumentação e Fundamentos de
Medidas. LTC, 2010, vol. 1.
A análise estatística é uma ferramenta válida para o
[15] MatLab. Versão R2014a. The MathWorks Inc, 2014.
estudo do padrão de consumo, representado pelas curvas de
carga, subsidiando inferências sobre a dinamicidade do
consumo de energia elétrica do SIN. A Tabela III sumariza
os valores encontrados e os compara com o PIB.

ISBN: 978-65-89463-06-1 DOI: 10.17648/cbqee-2021-130520

Powered by TCPDF (www.tcpdf.org)