Página 1 dos resultados de 27 itens digitais encontrados em 0.012 segundos

Designing the input vector to ANN-based models for short-term load forecast in electricity distribution systems

Santos, P. J.; Martins, A. G.; Pires, A. J.
Fonte: Universidade de Coimbra Publicador: Universidade de Coimbra
Tipo: Artigo de Revista Científica Formato: aplication/PDF
ENG
Relevância na Pesquisa
106.19%
The present trend to electricity market restructuring increases the need for reliable short-term load forecast (STLF) algorithms, in order to assist electric utilities in activities such as planning, operating and controlling electric energy systems. Methodologies such as artificial neural networks (ANN) have been widely used in the next hour load forecast horizon with satisfactory results. However, this type of approach has had some shortcomings. Usually, the input vector (IV) is defined in a arbitrary way, mainly based on experience, on engineering judgment criteria and on concern about the ANN dimension, always taking into consideration the apparent correlations within the available endogenous and exogenous data. In this paper, a proposal is made of an approach to define the IV composition, with the main focus on reducing the influence of trial-and-error and common sense judgments, which usually are not based on sufficient evidence of comparative advantages over previous alternatives. The proposal includes the assessment of the strictly necessary instances of the endogenous variable, both from the point of view of the contiguous values prior to the forecast to be made, and of the past values representing the trend of consumption at homologous time intervals of the past. It also assesses the influence of exogenous variables...

Short-term load forecast using trend information and process reconstruction

Santos, P. J.; Martins, A. G.; Pires, A. J.; Martins, J. F.; Mendes, R. V.
Fonte: Universidade de Coimbra Publicador: Universidade de Coimbra
Tipo: Artigo de Revista Científica
ENG
Relevância na Pesquisa
86.17%
The algorithms for short-term load forecast (STLF), especially within the next-hour horizon, belong to a group of methodologies that aim to render more effective the actions of planning, operating and controlling electric energy systems (EES). In the context of the progressive liberalization of the electricity sector, unbundling of the previous monopolistic structure emphasizes the need for load forecast, particularly at the network level. Methodologies such as artificial neural networks (ANN) have been widely used in next-hour load forecast. Designing an ANN requires the proper choice of input variables, avoiding overfitting and an unnecessarily complex input vector (IV). This may be achieved by trying to reduce the arbitrariness in the choice of endogenous variables. At a first stage, we have applied the mathematical techniques of process-reconstruction to the underlying stochastic process, using coding and block entropies to characterize the measure and memory range. At a second stage, the concept of consumption trend in homologous days of previous weeks has been used. The possibility to include weather-related variables in the IV has also been analysed, the option finally being to establish a model of the non-weather sensitive type. The paper uses a real-life case study. Copyright © 2006 John Wiley & Sons...

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
35.88%
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...

Multinodal Load Forecasting in Power Electric Systems using a Neural Network with Radial Basis Function

Altran, Alessandra Bonato; Minussi, Carlos Roberto; Martins Lopes, Mara Lucia; Chavarette, Fábio Roberto; Peruzzi, Nelson Jose; Zhou, M
Fonte: Trans Tech Publications Ltd Publicador: Trans Tech Publications Ltd
Tipo: Conferência ou Objeto de Conferência Formato: 39-44
ENG
Relevância na Pesquisa
45.88%
In this paper we present the results of the use of a methodology for multinodal load forecasting through an artificial neural network-type Multilayer Perceptron, making use of radial basis functions as activation function and the Backpropagation algorithm, as an algorithm to train the network. This methodology allows you to make the prediction at various points in power system, considering different types of consumers (residential, commercial, industrial) of the electric grid, is applied to the problem short-term electric load forecasting (24 hours ahead). We use a database (Centralised Dataset - CDS) provided by the Electricity Commission de New Zealand to this work.

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
76.28%
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...

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
35.93%
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...

Short-term electric load forecasting using computational intelligence methods

Jurado, Sergio; Peralta, J.; Nebot, Àngela; Mugica, Francisco; Cortez, Paulo
Fonte: IEEE Publicador: IEEE
Tipo: Conferência ou Objeto de Conferência
Publicado em /07/2013 ENG
Relevância na Pesquisa
55.92%
Accurate time series forecasting is a key issue to support individual and organizational decision making. In this paper, we introduce several methods for short-term electric load forecasting. All the presented methods stem from computational intelligence techniques: Random Forest, Nonlinear Autoregressive Neural Networks, Evolutionary Support Vector Machines and Fuzzy Inductive Reasoning. The performance of the suggested methods is experimentally justified with several experiments carried out, using a set of three time series from electricity consumption in the real-world domain, on different forecasting horizons.

Metaheuristhic approach to the Holt-Winters optimal short term load forecast

Eusébio, Eduardo Adelino Mateus Nunes; Camus, Cristina Inês; Curvelo, Carolina
Fonte: Instituto Politécnico de Lisboa Publicador: Instituto Politécnico de Lisboa
Tipo: Conferência ou Objeto de Conferência
Publicado em /03/2015 ENG
Relevância na Pesquisa
106.14%
Electricity short-term load forecast is very important for the operation of power systems. In this work a classical exponential smoothing model, the Holt-Winters with double seasonality was used to test for accurate predictions applied to the Portuguese demand time series. Some metaheuristic algorithms for the optimal selection of the smoothing parameters of the Holt-Winters forecast function were used and the results after testing in the time series showed little differences among methods, so the use of the simple local search algorithms is recommended as they are easier to implement.

Least Cost Electricity Master Plan, Djibouti : Volume 1. Main Report

World Bank
Fonte: Washington, DC Publicador: Washington, DC
EN_US
Relevância na Pesquisa
35.89%
Djibouti is characterized by a large urban population. About 70 per cent of the population lives in the main town of Djibouti-Ville, 11 per cent live in secondary towns and the remainder in a rural setting, including a substantial nomadic population. The country s electrification rate is about 50 per cent. Electricité de Djibouti (EdD), the national state-owned utility, report that there are approximately 38,000 electricity connections for the Djibouti-Ville metropolitan area. There is a total reliance on imported oil products as the fuels for electricity generation and the country has no hydroelectric potential. This has implied very high costs of production and of electricity generation in particular. Due to the high cost of electricity and high connection fees, the electrification rate remains relatively low and mostly available to the privileged, while performance of critical social and commercial sectors are hampered. The World Bank appointed Parsons Brinckerhoff (PB) to undertake engineering consultancy services for the preparation of an electricity sector least cost master plan for Djibouti. The objectives of the assignment are: To define the least-cost investment program for the development of Djibouti s electric generation...

Least Cost Electricity Master Plan, Djibouti : Volume 2. Appendices

World Bank
Fonte: Washington, DC Publicador: Washington, DC
EN_US
Relevância na Pesquisa
35.84%
Djibouti is characterized by a large urban population. About 70 per cent of the population lives in the main town of Djibouti-Ville, 11 per cent live in secondary towns and the remainder in a rural setting, including a substantial nomadic population. The country s electrification rate is about 50 per cent. Electricité de Djibouti (EdD), the national state-owned utility, report that there are approximately 38,000 electricity connections for the Djibouti-Ville metropolitan area. There is a total reliance on imported oil products as the fuels for electricity generation and the country has no hydroelectric potential. This has implied very high costs of production and of electricity generation in particular. Due to the high cost of electricity and high connection fees, the electrification rate remains relatively low and mostly available to the privileged, while performance of critical social and commercial sectors are hampered. The World Bank appointed Parsons Brinckerhoff (PB) to undertake engineering consultancy services for the preparation of an electricity sector least cost master plan for Djibouti. The objectives of the assignment are: To define the least-cost investment program for the development of Djibouti s electric generation...

Policy Notes : Indian Power Sector

World Bank
Fonte: Washington, DC Publicador: Washington, DC
EN_US
Relevância na Pesquisa
35.82%
This note lays out the implications for the financial sector and budget of the huge and increasing losses of Indian distribution companies (DisComs) and presents potential approaches to address the issue. It is divided into two parts: part one is approach to financial sustainability of distribution business; and part two is international experience on coal imports and mitigation of market risk. The most urgent need is to address the problem of financial distress of the utilities, while using the crisis as leverage to implement regulatory and governance reforms that will be essential to the longer-term sustainability of any short-term actions agreed by the utilities.

Nonparametric trend model for short term electricity demand forecasting

Zivanovic, R.
Fonte: INST ELECTRICAL ENGINEERS INSPEC INC Publicador: INST ELECTRICAL ENGINEERS INSPEC INC
Tipo: Conference paper
Publicado em //2002 EN
Relevância na Pesquisa
46%
In this paper, we present a novel nonparametric algorithm for short term electricity demand forecasting. The algorithm is based on local linear regression using sliding window with variable length. The method for selecting optimal window length for each local fit offers close insight into trade-off between bias and standard deviation of local regressions. Optimal window length is selected for each value in the load time-series: large window for linear change of load to reduce variability and small window when load departs from linear function to control bias. In the presented algorithm local linear regression is used to estimate trend component of the load time series and to forecast trend component by extrapolating with the fitted local linear function. Some features of the algorithm are demonstrated in the paper using examples from the historic load data recorded in the Namibian Power Utility.; © Copyright 2002 IEEE

Forecasting the electricity load from one day to one week ahead for the Spanish system operator

Cancelo, José Ramón; Espasa, Antoni; Grafe, Rossmarie
Fonte: Elsevier Publicador: Elsevier
Tipo: Artigo de Revista Científica Formato: application/pdf
Publicado em //2008 ENG
Relevância na Pesquisa
35.85%
This paper discusses the building process and models used by Red Eléctrica de España (REE), the Spanish system operator, in short term electricity load forecasting. REE's forecasting system consists of one daily model and 24 hourly models with a common structure. There are two types of forecasts of special interest to REE, several days ahead predictions for daily data, and one day ahead hourly forecasts. Accordingly, the forecast accuracy is assessed in terms of their errors. To do this, we analyse historical, real time forecasting errors for daily and hourly data for the year 2006, and report the forecasting performance by day of the week, time of the year and type of day. Other aspects of the prediction problem, like the influence of the errors in predicting the temperature on forecasting the load several days ahead, or the need for an adequate treatment of special days, are also investigated.

Operating and Planning Electricity Grids with Variable Renewable Generation : Review of Emerging Lessons from Selected Operational Experiences and Desktop Studies

Madrigal, Marcelino; Porter, Kevin
Fonte: Washington, DC: World Bank Publicador: Washington, DC: World Bank
Tipo: Publications & Research :: Publication; Publications & Research :: Publication
ENGLISH; EN_US
Relevância na Pesquisa
35.98%
The development of wind-and solar-generating capacity is growing rapidly around the world as policy makers pursue various energy policy objectives. This paper will describe the challenges in integrating wind and solar generation, the lessons learned, and recommended strategies from both operating experience and integration studies. Case studies on the experience with wind and solar integration in China, Germany, and Spain are also included in this paper. The paper is organized as follows. First section summarizes worldwide wind and solar development, the challenges in integrating wind and solar generation, and some of the lessons learned from studies designed to evaluate the impact of higher levels of wind and solar generation and also from the operational experience in some countries with larger amounts of renewable energy. The second section summarizes some of the solutions for incorporating higher levels of wind and solar capacity into short-term system operations. This section also explains basic methodologies to implement system operations studies to understand the impacts of variability in system operation. The third section explains the contribution of variable renewables to long-term supply adequacy-commonly called 'firm' power-and the relationship of this to long-term reserves; it also explores how these issues can be incorporated into long-term planning or adequacy assessments. Overall...

Um modelo de previsão de carga por barramento

Ricardo Menezes Salgado
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 16/07/2004 PT
Relevância na Pesquisa
46.15%
Na operação de um sistema de energia elétrica, uma etapa importante é a determinação da programação da operação diária, a qual determina um plano de produção de energia elétrica para o(s) próximo(s) dia(s) para cada uma das unidades geradoras do sistema, geralmente em base horária ou de meia hora. Esta programação é utilizada pela operação em tempo real do sistema como uma referência operativa, e por isso é importante que a solução proposta assegure uma operação adequada do sistema. Para avaliar o impacto de um dado programa de operação sobre o sistema de transmissão, é necessário que se conheça a distribuição da carga ao longo da rede, pois o carregamento nas linhas de transmissão e transformadores depende da demanda de carga em cada barramento (ponto de entrega de energia elétrica). Num contexto de planejamento da operação diária é necessário conhecer a carga em cada barramento em cada intervalo de tempo considerado na programação. Ou seja, faz-se necessário uma previsão de carga de curto prazo por barramento. O principal objetivo desta dissertação foi desenvolver um modelo de previsão de carga diária ativa, em base horária, por barramento. Dois tipos de metodologias foram implementadas: metodologias de previsão individual (MPI) que trata cada barramento de forma isolada e metodologias de previsão agregada (MPA) na qual a previsão é feita uma única vez para um dado conjunto de barramentos. O modelo agregado visa diminuir a necessidade da realização de previsões para cada barramento...

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
36.21%
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...

Improved Neural Networks with Random Weights for Short-Term Load Forecasting

Lang, Kun; Zhang, Mingyuan; Yuan, Yongbo
Fonte: Public Library of Science Publicador: Public Library of Science
Tipo: Artigo de Revista Científica
Publicado em 02/12/2015 EN
Relevância na Pesquisa
66.07%
An effective forecasting model for short-term load plays a significant role in promoting the management efficiency of an electric power system. This paper proposes a new forecasting model based on the improved neural networks with random weights (INNRW). The key is to introduce a weighting technique to the inputs of the model and use a novel neural network to forecast the daily maximum load. Eight factors are selected as the inputs. A mutual information weighting algorithm is then used to allocate different weights to the inputs. The neural networks with random weights and kernels (KNNRW) is applied to approximate the nonlinear function between the selected inputs and the daily maximum load due to the fast learning speed and good generalization performance. In the application of the daily load in Dalian, the result of the proposed INNRW is compared with several previously developed forecasting models. The simulation experiment shows that the proposed model performs the best overall in short-term load forecasting.

Short Term Load Forecasting Models in Czech Republic Using Soft Computing Paradigms

Khan, Muhammad Riaz; Abraham, Ajith
Fonte: Universidade Cornell Publicador: Universidade Cornell
Tipo: Artigo de Revista Científica
Publicado em 15/05/2004
Relevância na Pesquisa
45.81%
This paper presents a comparative study of six soft computing models namely multilayer perceptron networks, Elman recurrent neural network, radial basis function network, Hopfield model, fuzzy inference system and hybrid fuzzy neural network for the hourly electricity demand forecast of Czech Republic. The soft computing models were trained and tested using the actual hourly load data for seven years. A comparison of the proposed techniques is presented for predicting 2 day ahead demands for electricity. Simulation results indicate that hybrid fuzzy neural network and radial basis function networks are the best candidates for the analysis and forecasting of electricity demand.

Probabilistic Forecast of Real-Time LMP and Network Congestion

Ji, Yuting; Tong, Lang; Thomas, Robert J.
Fonte: Universidade Cornell Publicador: Universidade Cornell
Tipo: Artigo de Revista Científica
Publicado em 20/03/2015
Relevância na Pesquisa
35.92%
The problem of short-term forecast of real-time locational marginal price (LMP) and network congestion is considered from a system operator perspective. A new probabilistic forecast technique is proposed based on a multiparametric programming formulation that partitions the uncertainty parameter space into critical regions from which the conditional probability distribution of the real-time LMP/congestion is obtained. The proposed method incorporates load/generation forecast, time varying operation constraints, and probabilistic contingency models. By shifting the computation cost associated with multiparametric program offline, the online computation cost is significantly reduced.

Dynamic Long-Term Modelling of Generation Capacity Investment and Capacity Margins

Eager, Dan; Hobbs, Benjamin; Bialek, Janusz
Fonte: Faculty of Economics, University of Cambridge, UK Publicador: Faculty of Economics, University of Cambridge, UK
Tipo: Trabalho em Andamento
Relevância na Pesquisa
35.91%
Many governments who preside over liberalised energy markets are developing policies aimed at promoting investment in renewable generation whilst maintaining the level of security of supply customers have come to expect. Of particular interest is the mix and amount of generation investment over time in response to policies promoting high penetrations of variable output renewable power such as wind. Modelling the dynamics of merchant generation investment in market environments can inform the debate. Such models need improved methods to calculate expected output, costs and revenue of thermal generation subject to varying load and random independent thermal outages in a power system with high penetrations of wind. This paper presents a dynamic simulation model of the aggregated Great Britain (GB) generation investment market. The short-term energy market is simulated using probabilistic production costing based on the Mix of Normals distribution technique with a residual load calculation (load net of wind output). Price mark-ups due to market power are accounted for. These models are embedded in a dynamic model in which generation companies use a Value at Risk (VaR) criterion for investment decisions. An `energy-only' market setting is used to estimate the economic profitability of investments and forecast the evolution of security of supply. Simulated results for the GB market case study show a pattern of increased relative security of supply risk during the 2020s. In addition...