Estudo da rede neural NARX por meio da variação de parâmetros e dados históricos de carga elétrica na previsão de demanda

Abstract

No contexto de grandes inovações e integração do sistema elétrico no Brasil, as Smart Grids (Redes Inteligentes) trazem maior controle, inovação tecnológica, eficiência e confiabilidade, principalmente por meio da previsão da curva de demanda da carga. A previsão permite obter maior controle e eficiência energética, evitando encargos na rede e melhor preparação para demanda de energia, sendo possível pelo uso de Redes Neurais Artificiais (RNAs). Existem muitas arquiteturas para obter a previsibilidade da carga elétrica, sendo uma delas a NARX (Nonlinear Autoregressive Exogenous). Esta pesquisa tem como objetivo realizar a previsão do perfil de carga de uma rede de consumidores com o uso dos dados fornecidos pela empresa distribuidora de energia elétrica LIGHT, para valores de potências diárias de consumidores residenciais e comerciais da cidade do Rio de Janeiro. Para tal, é utilizada a Toolbox do Matlab de redes neurais com a realização da arquitetura com base no modelo NARX, analisando os resultados pela variação dos parâmetros da rede e a influência dos feriados nacionais e estações do ano na alteração da demanda. Analisando diferentes resultados para previsões de um a três dias, por meio da alteração do período usado como amostras de entrada e dos parâmetros e arquitetura da rede, obtiveram-se resultados (principalmente para as previsões dos dias de Natal, Tiradentes e Nossa Senhora Aparecida) com erros percentuais médios absolutos (MAPE) na maioria menores do que 1%, com erros máximos variando na faixa de 0,5% a 10% na maior parte dos casos estudados.

In the context of major innovations and integration of the electrical system in Brazil, Smart Grids bring greater control, technological innovation, efficiency, and reliability, mainly through the forecasting of the load demand curve. Forecasting allows for greater control and energy efficiency, avoiding network charges and better preparing for energy demand, making it possible using Artificial Neural Networks (ANNs). Many architectures exist for achieving electrical load predictability, one of which is NARX (Nonlinear Autoregressive Exogenous). This research aims to forecast the load profile of a consumer network using data provided by the electricity distribution company LIGHT, for daily power values of residential and commercial consumers in the city of Rio de Janeiro. To this end, the Matlab Neural Network Toolbox is used, implementing the architecture based on the NARX model, analyzing the results by the variation of network parameters and the influence of national holidays and seasons on demand changes. Analyzing different results for one- to three-day forecasts, by altering the period used as input samples and the network parameters and architecture, results were obtained (mainly for forecasts for Christmas, Tiradentes Day, and Our Lady of Aparecida Day) with mean absolute percentage errors (MAPE) mostly less than 1%, with maximum errors ranging from 0.5% to 10% in most of the cases studied.