Página 1 dos resultados de 29 itens digitais encontrados em 0.100 segundos

Arquitetura ODP-CIM aplicada na previsão distribuída da carga do sistema elétrico de potência. ; ODP-CIM architecture applied to distributed load forecasting on eletric power system.

Bastos, Mário Roberto
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 22/05/2006 PT
Relevância na Pesquisa
76.01%
O presente trabalho apresenta a utilização do modelo CIM – Common Information Model com uma abordagem ODP – Open and Distributed Processing na definição de uma arquitetura distribuída. A modelagem ODP-CIM efetuada busca validar formalmente a escolha da WBEM – Web Based Enterprise Management como arquitetura distribuída responsável pela interoperabilidade entre sistemas heterogêneos de uma empresa de energia elétrica. O contexto WBEM adicionalmente inclui a modelagem CIM das informações, de modo que o ambiente resultante pode ser visto como uma coleção distribuída de sistemas inter-relacionados. De modo a se verificar a adequação da WBEM como provedora de interoperabilidade e distribuição, será implementado um protótipo; o SISDEC - Sistema Distribuído de Estudo de Carga, responsável pela previsão, através de técnicas de inteligência artificial, da carga nodal de curto prazo do sistema elétrico de potência. A implementação dos modelos resultantes é apresentada assim como os resultados dos testes. Enfocando a disponibilidade aos vários domínios de gestão, das informações modeladas, validando a eficácia da modelagem e a adequação da arquitetura distribuída proposta. Não se visa aqui a apresentação ou definição de métricas específicas...

Previsão da carga de curto prazo de áreas elétricas através de técnicas de inteligência artificial.; Short term load forecasting in eletrical areas using artificial inteligence.

Guirelli, Cleber Roberto
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 30/11/2006 PT
Relevância na Pesquisa
86.3%
Hoje em dia, com a privatização e aumento da competitividade no mercado elétrico, as empresas precisam encontrar formas de melhorar a qualidade do serviço e garantir lucratividade. A previsão de carga de curto prazo é uma atividade indispensável à operação que pode melhorar a segurança e diminuir custos de geração. A fim de realizar a previsão da carga, é necessária a identificação de padrões de comportamento de consumo e da sua relação com variáveis exógenas ao sistema tais como condições climáticas. Originalmente o problema foi resolvido de forma matemática e estatística através de técnicas tais como as séries numéricas, que fornecem bons resultados, mas utilizam processos complexos e de difícil modelamento. O surgimento das técnicas de inteligência artificial forneceu uma nova ferramenta capaz de lidar com a grande massa de dados das cargas e inferir por si mesmo a relação entre as variáveis do sistema. Notadamente, as redes neurais e a lógica fuzzy se destacaram como as técnicas mais adequadas, sendo que já vem sendo estudadas e utilizadas para a previsão de carga a mais de 20 anos. Este trabalho apresenta uma metodologia para a previsão da curva de carga diária de áreas elétricas através do uso de técnicas de inteligência artificial...

Previsão de carga multinodal utilizando redes neurais de regressão generalizada

Nose Filho, Kenji
Fonte: Universidade Estadual Paulista (UNESP) Publicador: Universidade Estadual Paulista (UNESP)
Tipo: Dissertação de Mestrado Formato: 90 f. : il.
POR
Relevância na Pesquisa
86.29%
Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq); Pós-graduação em Engenharia Elétrica - FEIS; Neste trabalho, dá-se ênfase à previsão de carga multinodal, também conhecida como previsão de carga por barramento. Para realizar esta demanda, há necessidade de dispor de uma técnica que proporcione a precisão desejada, seja confiável e de baixo tempo de processamento. O conhecimento prévio das cargas locais é de extrema importância para o planejamento e operação dos sistemas de energia elétrica. Para realizar a previsão de carga multinodal foram empregadas duas metodologias, uma que prevê as cargas individualmente e outra que utiliza as previsões dos fatores de participação e a previsão de carga global. O principal objetivo deste trabalho é elaborar um modelo de previsor de carga de curto prazo, genérico e que pode ser aplicado na previsão de carga multinodal. Para tanto, utilizou-se redes neurais de regressão generalizada (GRNN), cujas entradas são compostas de variáveis exógenas globais e de cargas locais, sem a necessidade da inclusão de variáveis exógenas locais. Ainda, projetou-se uma nova arquitetura de rede neural artificial, baseada na GRNN, além de propor um procedimento para a redução do número de entradas da GRNN e um filtro para o pré-processamento do banco de dados de treinamento. Os dados...

Previsão de cargas elétricas através de um modelo híbrido de regressão com redes neurais

Silva, Thays Aparecida de Abreu
Fonte: Universidade Estadual Paulista (UNESP) Publicador: Universidade Estadual Paulista (UNESP)
Tipo: Dissertação de Mestrado Formato: 62 f. : il.
POR
Relevância na Pesquisa
176.02%
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES); Pós-graduação em Engenharia Elétrica - FEIS; Atualmente os sistemas elétricos de potência crescem em tamanho e complexidade e se faz necessário criar alternativas para minimizar o custo total de geração e operação. A previsão de cargas é uma tarefa importante para o planejamento e operação dos sistemas elétricos, pois dela dependem outras tarefas como despacho econômico, fluxo de potência, análise de estabilidade, entre outras. Para tanto esta tarefa deve ser precisa para que o sistema opere de forma segura e confiável. A precisão da previsão é de grande importância já que é através dela que é estabelecida quando e quanto de capacidade de geração e transmissão deve-se dispor para atender a carga prevista sem interrupções no fornecimento. O objetivo deste trabalho é desenvolver um modelo híbrido utilizando os modelos ARIMA de Box & Jenkins e Redes Neurais Artificiais com treinamento realizado pelo algoritmo de Levenberg-Marquartd. Este modelo será utilizado com a finalidade de melhorar a precisão dos resultados com relação à previsão de cargas elétricas a curto prazo. Os resultados obtidos através da metodologia proposta...

Sistema inteligente para previsão de carga multinodal em sistemas elétricos de potência

Altran, Alessandra Bonato
Fonte: Universidade Estadual Paulista (UNESP) Publicador: Universidade Estadual Paulista (UNESP)
Tipo: Tese de Doutorado Formato: 86 f. : il.
POR
Relevância na Pesquisa
86.13%
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES); Pós-graduação em Engenharia Elétrica - FEIS; A previsão de carga, em sistemas de energia elétrica, constitui-se numa atividade de grande importância, tendo em vista que a maioria dos estudos realizados (fluxo de potência, despacho econômico, planejamento da expansão, compra e venda de energia, etc.) somente poderá ser efetivada se houver a disponibilidade de uma boa estimativa da carga a ser atendida. Deste modo, visando contribuir para que o planejamento e operação dos sistemas de energia elétrica ocorram de forma segura, confiável e econômica, foi desenvolvida uma metodologia para previsão de carga, a previsão multinodal, que pode ser entendida como um sistema inteligente que considera vários pontos da rede elétrica durante a realização da previsão. O sistema desenvolvido conta com o uso de uma rede neural artificial composta por vários módulos, sendo esta do tipo perceptron multicamadas, cujo treinamento é baseado no algoritmo retropropagação. Porém, foi realizada uma modificação na função de ativação da rede, em substituição à função usual, a função sigmoide, foram utilizadas as funções de base radial. Tal metodologia foi aplicada ao problema de previsão de cargas elétricas a curto-prazo (24 horas à frente); Load forecasting in electric power systems is a very important activity due to several studies...

Previsão de carga multinodal usando a rede neural ART-ARTMAP fuzzy

Antunes, Juliana Fonseca
Fonte: Universidade Estadual Paulista (UNESP) Publicador: Universidade Estadual Paulista (UNESP)
Tipo: Tese de Doutorado Formato: 110 f.
POR
Relevância na Pesquisa
86.29%
Pós-graduação em Engenharia Elétrica - FEIS; Previsão de cargas é uma atividade indispensável para o funcionamento dos sistemas de energia elétrica e contribuem para o planejamento e a operação, visando garantir o fornecimento de energia aos consumidores de forma segura, confiável e econômica. A previsão a curto prazo ajuda a estimar o fluxo de carga, tomar decisões de prevenção de sobrecargas, entre outras ações que são rotineiramente executadas. Para realizar a previsão é necessário identificar os padrões do comportamento de consumo e da sua relação com as variáveis externas do ambiente no sistema. A maioria dos estudos de previsões de cargas é realizada utilizando métodos estatísticos, onde é necessário modelar a carga matematicamente. Apesar de fornecerem bons resultados utilizam métodos complexos é de difícil modelagem. As técnicas de inteligência artificial proporcionam uma nova ferramenta, capazes de modelar uma grande quantidade de dados de cargas e construir a relação entre as variáveis do sistema de forma automática. Dentre essas técnicas inteligentes destacam-se as redes neurais e a lógica fuzzy que são utilizadas para previsão de cargas. Nesta pesquisa, apresenta-se um método de previsão multinodal (em vários pontos de interesse da rede elétrica) de carga elétrica...

Previsão de demanda de cargas elétricas por seleção de variáveis stepwise e redes neurais artificiais

Alves, Marleide Ferreira
Fonte: Universidade Estadual Paulista (UNESP) Publicador: Universidade Estadual Paulista (UNESP)
Tipo: Dissertação de Mestrado Formato: 73 f. : il.
POR
Relevância na Pesquisa
96.08%
Pós-graduação em Engenharia Elétrica - FEIS; With the increase in electric energy demand the planning of generation, transmission and distribution as well as the operation are important to provide services efficiently, economically and reliably. One of the tools to manage those resources are time series model forecasting. There are several models in the literature, as the regression models, statistical models, among others. Other model that has been highlighted in the literature is the forecasting using artificial neural network, due to the capacity of learning. Neural networks have several architectures, and one in particular, that is considered standard in the literature is the multilayer perceptron network with the backpropagation algorithm. The present work proposes a hybrid neural network composed by the linear regression method with stepwise variable selection with the multilayer perceptron artificial neural network with the backpropagation algorithm. The aim is to provide a simple and effective method to reduce the variables without losing the forecasting quality. The function of the linear regression model with stepwise variable selection is to select the more relevant variables to compose the input data set to training/ diagnostic of the multilayer perceptron neural network with the backpropagation algorithm that...

Previsão de carga de curto prazo usando ensembles de previsores selecionados e evoluidos por algoritmos geneticos; Short-term load forecasting using esembles of selected and evolved predictors by genetic algorithms

Marcos de Almeida Leone Filho
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 31/01/2006 PT
Relevância na Pesquisa
96.24%
Neste trabalho é proposta uma metodologia para previsão de séries temporais de carga de energia elétrica de curto prazo. Esta metodologia vem sendo muito utilizada no contexto da previsão de séries temporais e do reconhecimento de padrões. Os autores que propuseram esta metodologia a chamaram de "Ensembles". Este nome tenta explicar o é este modelo: uma combinação de partes que juntas formam um só modelo. Neste sentido, este nome expressa com relativa clareza qual é o principal aspecto desta metodologia, que no caso específico deste trabalho, é o de fazer várias previsões de uma mesma série temporal utilizando diferentes ferramentas que sozinhas são suficientemente competentes para prever a série temporal em questão, e em seguida combinar as soluções para, deste modo, tentar obter uma solução melhor do que quando é usada somente uma ferramenta. As ferramentas usadas para compor a previsão dos "Ensembles" finais são Redes Neurais Artificiais (RNAs) e Redes Neurais Nebulosas. Atualmente, estas redes são largamente utilizadas em problemas de previsão de séries temporais, principalmente quando o fator gerador destas séries é um sistema não-linear. Desta forma, isto as tornou candidatas potenciais para prever valores de uma série de cargas de energia elétrica...

Aplicação de redes neurais artificiais na previsão de curto prazo da carga nodal de sistemas de energia eletrica

Francisco Eugenio de Andrade Leite
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 05/05/1997 PT
Relevância na Pesquisa
146.14%
Este trabalho apresenta três modelos NARX utilizando redes neurais artificiais para previsão de carga nodal ativa e reativa, tendo em vista a posterior previsão do estado do sistema através do uso de um algoritmo de fluxo de carga, com a finalidade de poder estudar a segurança de operação do sistema para um perfil de carga futuro. Os dois primeiros modelos são implementados utilizando-se uma rede de perceptrons de múltiplas camadas estática e o terceiro modelo é implementado utilizando uma rede de perceptrons com filtros FIR em suas sinapses para permitir processamento temporal. Para cada um dos modelos, diferentes tamanhos de conjunto de treinamento e de topologia da rede neural foram testados, bem como vários tipos de variáveis de entrada para o modelo NARX, a fim de verificar qual a melhor resposta em termos de precisão. Nos testes foram utilizados dados reais de carga de várias subestações. Neste estudo, verificou-se que uma única rede neural estática usada para tratar todos os dias da semana apresentou o melhor resultado de previsão, sendo que a previsão de potência reativa apresentou um resultado pior do que a de potência ativa. Observou-se ainda que o erro de previsão do ângulo de tensão nas barras apresenta elevada sensibilidade em relação ao erro de previsão da potência ativa e que o erro na previsão da tensão nodal (tanto magnitude quanto ângulo) apresenta pequena sensibilidade em relação ao erro de previsão da potência reativa; This work presents three artificial neural network NARX models for bus load active and reactive power forecasting. The predicted injections can be used as inputs to a load flow to obtain the forecasted bus states aiming to perform security analysis in a future operating point. The first two models considered were implemented with a static Multilayer Perceptron Network (MLP) and the third model was implemented using a FIR neural network for temporal processing. For each one of the above models...

Modelos para previsão de carga a curto prazo aplicados ao sistema eletrico do Parana

Regina Maria Pimentel de Ortigoza Lobo
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 08/03/1991 PT
Relevância na Pesquisa
86.13%
Um importante subsídio para a programação da operação de um sistema de potência é a disponibilidade de uma estimativa da carga desse sistema dentro do horizonte de programação. Esse trabalho tem como objetivo a descrição das principais técnicas de análise e previsão de séries temporais, do ponto de vista de sua aplicação à demanda horária de energia elétrica. No Capítulo II, são apresentadas as técnicas mais usuais na previsão de séries temporais. Modelos bastante freqüentes para a previsão da carga horária são os que separam a carga em um componente determinístico, ou carga padrão, e um componente estocástlca, ou carga residual. Entre as técnicas utilizadas para determinação a prlorl do valor da carga, destacam-se o alisamento exponencial, as médias móveis e a anáIise harmônica. A previsão da carga residual pode ser feita com modelos ARIMA e por modelos de regressão carga-clima, entre outros ... Observação: O resumo, na íntegra, poderá ser visualizado no texto completo da tese digital; A significant support to the operation scheduling of a power system is the avaliablity of a reilable estimation of the system load along the short term operation horizon. The objective of this work is to describe the main techniques for analysis and forecasting of time serles...

Modelo para previsão de demanda ativa e reativa utilizando técnicas de seleção de entradas e redes neurais artificiais; Model for forecasting of active and reactive demand using technical selection of inputs and artificial neural networks

Edgar Fonseca Franco Junior
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 30/07/2013 PT
Relevância na Pesquisa
76.08%
Em um sistema de energia elétrica em corrente alternada, a geração, a transmissão e o consumo de energia elétrica são divididos em potência ativa e reativa. O planejamento, a operação e análise destes sistemas são baseados em estimativas futuras do consumo de energia, e neste contexto são importantes os modelos de previsão de carga ativa e reativa. Nesta dissertação são testados modelos de previsão de curto prazo para carga ativa e reativa utilizando modelos de redes neurais artificiais. Em particular, são implementados e testados várias metodologias de seleção de entradas. A seleção de um subconjunto apropriado de variáveis para a inclusão em um sistema é um passo vital no desenvolvimento de qualquer modelo. Isto é particularmente importante nos modelos de previsão como redes neurais artificiais, pois o desempenho do modelo final é fortemente dependente das variáveis de entrada utilizadas. Esta dissertação desenvolveu um modelo que dá suporte à integração de algumas técnicas de seleção (informação mútua e informação mútua parcial) tendo o intuito de facilitar a utilização destas, assim como a sua comparação quando aplicada a determinados problemas de previsão. Para os experimentos...

Previsão de carga em sistemas de potência durante feriados prolongados

Luca, Luiz Angelo Daros de
Fonte: Florianópolis, SC Publicador: Florianópolis, SC
Tipo: Dissertação de Mestrado Formato: 79 f.| il., grafs., tabs.
POR
Relevância na Pesquisa
106.3%
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Ciência da Computação.; Para alguns setores da sociedade, feriados nas quintas-feiras são comumente alongados sobre a sexta-feira para prolongar o período de descanso até o final de semana. Esta mudança de comportamento da sociedade para este tipo de sexta-feira provoca uma mudança no comportamento da demanda por potência (carga ativa) em sistemas de energia elétrica em relação ao comportamento da demanda observada em sextas-feiras comuns. Este trabalho verifica a significância da alteração observada no comportamento da carga na sexta-feira seguinte a um feriado na quinta-feira, no Estado de Santa Catarina e propõe uma abordagem para a redução do erro de previsão da carga de curto prazo frente à esta situação. Os testes realizados mostram que a ocorrência de um feriado na quinta-feira provoca um efeito significativo sobre a média diária da carga da sexta-feira pós feriado no Estado de Santa Catarina. A solução proposta para a redução do erro de previsão da carga para a sextafeira pós feriado ajusta a previsão realizada por um modelo de previsão de carga de curto prazo que não considera o fator feriado na véspera. A previsão do modelo que desconsidera tal fator é utilizada como entrada de uma rede neural artificial preparada para aplicar sobre esta previsão o efeito que um feriado na quinta-feira provoca sobre a carga na sexta-feira seguinte. Os resultados obtidos com a solução proposta mostram uma redução do erro percentual absoluto médio (MAPE) da previsão...

Correção dos erros de previsão de carga elétrica de curto prazo decorrentes de variações de temperatura na Ilha de Santa Catarina utilizando rede neural

Souza, Luiz Fernando Spillere de
Fonte: Universidade Federal de Santa Catarina Publicador: Universidade Federal de Santa Catarina
Tipo: Dissertação de Mestrado Formato: 85 p.| il., grafs., tabs.
POR
Relevância na Pesquisa
116.29%
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2013.; Este trabalho apresenta primeiramente uma pesquisa que tem como foco a investigação da relação da carga elétrica com a temperatura ambiente para a Ilha de Santa Catarina, e a influência da temperatura na precisão da previsão de carga elétrica de curto prazo, em diferentes faixas de temperatura. A partir dos dados históricos de carga e temperatura, foi construída uma aproximação polinomial de terceiro grau da relação carga versus temperatura, onde a curva resultante mostra a influência da temperatura sobre o comportamento da carga e o relacionamento não linear entre estas variáveis. Foi verificado, para a região estudada, que existe uma faixa central de temperatura com pouca influência no consumo, enquanto que acima ou abaixo desta faixa, existem, respectivamente, relações significativas direta e inversa com o comportamento da carga. Ainda que, a precisão da previsão da carga horária por uma rede neural é afetada pela faixa de temperatura considerada. Outra contribuição desta dissertação é a proposta de um método de correção para a rede neural que minimiza o erro de previsão gerado pelas faixas de temperatura que mais afetam a previsão de carga. Os estudos experimentais indicaram que uma rede neural que inicialmente apresentava instabilidade quando submetida a variações de temperatura...

Aplicação da transformada wavelet discreta na previsão de carga a curto prazo via redes neurais

Reis,Agnaldo J. Rocha; Silva,Alexandre P. Alves da
Fonte: Sociedade Brasileira de Automática Publicador: Sociedade Brasileira de Automática
Tipo: Artigo de Revista Científica Formato: text/html
Publicado em 01/03/2004 PT
Relevância na Pesquisa
86.37%
A importância da previsão de carga a curto prazo tem crescido ultimamente. Com a desregulamentação do setor elétrico e a competição advinda desse processo, a previsão do preço de energia se transformou em uma atividade bastante atraente. A previsão das cargas das diversas barras é essencial para alimentar os métodos analíticos utilizados na determinação dos preços da energia. A variabilidade e a não estacionariedade das cargas estão ficando cada vez mais acentuadas devido à dinâmica das tarifas de energia. Além disso, o número de pontos de carga a serem previstos não permite intervenções freqüentes dos especialistas em previsão. Portanto, previsores de carga mais autônomos são necessários nesse novo cenário competitivo. Este artigo propõe uma nova técnica para a previsão de carga a curto prazo baseada na transformada wavelet discreta. O objetivo principal é desenvolver um previsor neural de carga mais robusto. Dois anos completos de dados de carga de uma concessionária de energia elétrica norte-americana foram utilizados para testar a metodologia proposta.

Modelos de previsão de carga elétrica em curto prazo desenvolvidos com redes neurais artificiais e lógica Fuzzy considerando a variável temperatura

Maria Andrade da Silveira, Tatiana; Ribeiro Barbosa de Aquino, Ronaldo (Orientador)
Fonte: Universidade Federal de Pernambuco Publicador: Universidade Federal de Pernambuco
Tipo: Outros
PT_BR
Relevância na Pesquisa
76.31%
O conhecimento prévio do comportamento do consumo de energia é de grande importância para uma distribuidora de energia. Com base nesta informação, é possível definir estratégias para operação e planejamento de seu sistema elétrico, além de possibilitar o acompanhamento da relação entre contratos e consumo de energia, evitando com isso a ocorrência de penalidades. O consumo de energia é influenciado por diversas variáveis. Notadamente, em horizontes de curto prazo o consumo de energia é influenciado por variáveis climáticas, como temperatura e precipitação. Este trabalho apresenta modelos que utilizam a temperatura como variável de entrada para solucionar o problema de previsão de carga diária no horizonte de curto prazo, realizada em 7 e 14 dias para um conjunto de barramentos do sistema de distribuição da CELPE Companhia Energética de Pernambuco. As técnicas aplicadas no desenvolvimento dos modelos de previsão foram: Redes Neurais Artificiais com topologia de MLP (Multi Layer Perceptrons) totalmente conectadas e treinadas com algoritmo Levenberg-Marquardt; e ANFIS (Adaptive Networkbased Fuzzy Inference System) com o método subctrative clustering . Os métodos Média Simples e Ensemble foram aplicados para combinação dos resultados dos modelos propostos. Os modelos criados foram avaliados para previsão de carga do ano de 2009 e comparados entre si. Os resultados encontrados demonstram que os modelos apresentaram performances satisfatórias; Conselho Nacional de Desenvolvimento Científico e Tecnológico

Sistema híbrido de previsão de carga elétrica em curto prazo utilizando redes neurais artificiais e lógica fuzzy

Bezerra da Silva, Geane; Ribeiro Barbosa de Aquino, Ronaldo (Orientador)
Fonte: Universidade Federal de Pernambuco Publicador: Universidade Federal de Pernambuco
Tipo: Outros
PT_BR
Relevância na Pesquisa
166.21%
O presente trabalho apresenta um sistema de previsão de carga horária em curto prazo (sete dias à frente) formado por duas etapas. Na primeira etapa foram escolhidas duas redes neurais artificiais para prever o consumo diário total em um horizonte de sete dias à frente, uma rede para os dias úteis e outra para aos dias não-úteis, o processo de escolha das redes passou por uma análise da estrutura de entrada, da base de dados e do algoritmo de treinamento. Para gerar as melhores redes utilizou-se o método k-fold crossvalidation. A segunda etapa é responsável em fornecer o comportamento da curva de carga, ou seja, a distribuição horária do consumo diário, para isso utilizou-se o sistema ANFIS (Adaptive Network-based Fuzzy Inference System) para gerar um Sistema de Inferência Fuzzy- SIF que fornece um coeficiente que representa a fração do consumo horário em relação ao consumo diário, para inicialização dos modelos optou-se pela comparação entre dois métodos: o método de clusterização subtrativa desenvolvido por Chui S e o método por inspeção onde o SIF é gerado a partir do conhecimento do especialista. Optou-se por estes modelos devido à facilidade de implementação, a capacidade de generalização e resposta rápida. Os resultados obtidos foram comparados com a bibliografia e mostram que o modelo desenvolvido tem alta capacidade de generalização e apresenta baixos valores de MAPE (erro médio percentual)...

Previsão de consumo de energia de curto-prazo (dia seguinte) com recurso a wavelets

Rodrigues, Rui Domingos de Sá
Fonte: Universidade Nova de Lisboa Publicador: Universidade Nova de Lisboa
Tipo: Dissertação de Mestrado
Publicado em /06/2015 POR
Relevância na Pesquisa
166.19%
A actividade de produção de energia eléctrica, bem como o seu transporte e distri-buição até aos consumidores finais iniciou-se no final do século XIX e, desde essa altura, o sector tem conhecido muitas transformações aos mais variados níveis. Mais recentemente, nas últimas décadas, o sector eléctrico tem enfrentado muitos desafios que têm contribuí-do bastante para o seu desenvolvimento e inovação. A previsão de consumos de energia eléctrica é tradicionalmente importante para o equilíbrio entre a oferta e a procura, bem como para uma rigorosa gestão e planeamento das redes eléctricas de transporte e distribuição. A sua importância é ainda reforçada, ac-tualmente, com a liberalização dos mercados energéticos, na medida que os comercializa-dores pretendem dispor de ferramentas que lhes permita estimar com precisão a curva de procura agregada de consumidores com quem contratualizam. Os sistemas de previsão de carga podem ser classificados de acordo com o horizonte temporal, sendo regularmente divididos em três categorias: previsão a longo prazo; pre-visão a médio prazo; previsão a curto prazo. Neste trabalho de dissertação, pretende-se desenvolver um sistema de previsão de consumo de energia para o dia seguinte (hora a hora) com o recurso a Wavelets...

Previsão de carga no periodo de demanda de ponta utilizando redes neurais artificiais

Wagner da Silva Lima
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 09/09/1996 PT
Relevância na Pesquisa
96.14%
A habilidade de prever precisamente a carga do sistema é vital ao planejamento e operação eficiente, econômica e segura de um sistema de potência. Este trabalho investiga a utilização de redes neurais artificiais para previsão de carga no período de demanda de ponta a curto e curtíssimo prazos. Dois algoritmos de previsão são testados e avaliados com relação a precisão e esforço computacional. Uma análise da influência de dados climáticos sobre a carga é realizada. Procurou-se encontrar uma arquitetura compacta e robusta que pudesse levar em consideração a sazonalidade da carga anual, sem comprometer a precisão da previsão. o primeiro algoritmo (MWS) utiliza os dados dos últimos dez dias típicos para previsão do perfil de maneira estática e dinâmica. O segundo algoritmo (AAS) utiliza os dados históricos do ano anterior para previsão do ano vigente (previsão estática e dinâmica). O algoritmo MWS com previsão dinâmica obteve os melhores resultados para os horizontes de dez minutos (curtíssimo prazo) à frente, uma e 24 horas à frente. Várias dificuldades foram encontradas para considerar a entrada e saída do horário de verão. Apenas a variável temperatura máxima foi a mais significativa em termos de variáveis climáticas. A escassez de dados climáticos mais consistentes no final da tarde impediram uma avaliação mais completa da influência das condições climáticas na previsão. Os resultados obtidos demonstraram um bom desempenho das redes neurais com erro médio percentual absoluto em tomo de 2% para os três horizontes previstos; The ability to accurately predict the system load is vital to the efficient...

Otimização da previsão de carga elétrica de curto prazo utilizando critérios de similaridade entre perfis de consumo

Ferro, Humberto Fioravante
Fonte: Florianópolis, SC Publicador: Florianópolis, SC
Tipo: Dissertação de Mestrado Formato: 1 v.| grafs., tabs.
POR
Relevância na Pesquisa
95.93%
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-graduação em Ciência da Computação; As novas condi!"es do mercado de energia el#trica exigem que as concession$rias mantenham altos n%veis de qualidade nos seus sistemas. Isso se traduz em aspectos co-mo n%vel de carregamento, continuidade de fornecimento e, mais recentemente, atua!&o inteligente no mercado atacadista de energia. Neste contexto, as informa!"es atuais ou hist'ricas n&o s&o suficientes para subsidiar o processo decis'rio: # desej$vel conhecer as condi!"es do sistema no futuro, em especial a carga el#trica. Dada a complexidade t%pica dos sistemas el#tricos, diversos trabalhos apresentam solu!"es para a predi!&o de carga que se baseiam em sistemas inteligentes h%bridos. Entretanto, embora estes siste-mas sejam eficazes e assegurem uma precis&o maior do que a obtida com modelos b$si-cos, muitas vezes eles demandam um alto custo computacional. Esse custo torna-se es-pecialmente cr%tico na determina!&o da relev(ncia preditiva das vari$veis dispon%veis. Neste trabalho, # apresentado um m#todo de classifica!&o para os perfis de consumo que otimiza a sele!&o das vari$veis preditoras. Como os perfis de consumo s&o processos estoc$sticos variantes no tempo...

PREVISÃO DE CARGA ELÉTRICA NO CURTO PRAZO COM REDES NEURAIS

Angel Santiago Fernandez Bou Calixto; UFF; Vítor Hugo Ferreira; UFF
Fonte: ENGEVISTA Publicador: ENGEVISTA
Tipo: Artigo Avaliado por Pares Formato: application/pdf
Publicado em 21/04/2014 PT
Relevância na Pesquisa
96.19%
A previsão da carga elétrica que vai ser consumida em um determinado horizonte temporal tem-se tornado um dos alvos das pesquisas das empresas concessionárias de energia elétrica. Ao longo das últimas décadas, diversos métodos de cálculo estatístico têm sido usados para realizar estas previsões; no entanto, com a evolução da computação, novas técnicas baseadas na inteligência artificial conseguiram desenvolver-se com bons resultados. Uma das técnicas que oferecem melhores resultados é a de Redes Neurais Artificiais, já que apresenta alta capacidade de lidar com comportamentos não lineares, como os que acontecem na demanda de potência elétrica. Neste artigo estudou-se uma série de dados de carga elétrica horária e de temperatura horária durante dois meses para realizar a previsão da potência elétrica horária demandada durante os sete dias posteriores à série, utilizando a técnica de Redes Neurais Artificiais. A hipótese de partida usada foi que a carga elétrica depende da temperatura. Para alimentar a Rede Neural utilizaram-se como entradas a evolução do consumo, a temperatura horária e um coeficiente dependente da temperatura. Este coeficiente tentou destacar o efeito da não linearidade da série. O menor erro percentual médio obtido com o modelo após aplicar diversas parametrizações foi de 3...