Publicação: Previsão de carga em sistemas elétricos de potência: um estudo com enfoque baseado no uso de métodos de machine learning
Carregando...
Arquivos
Data
Autores
Orientador
Minussi, Carlos Roberto 
Coorientador
Pós-graduação
Curso de graduação
Engenharia Elétrica - FEIS
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Trabalho de conclusão de curso
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
Com o intuito de atender o gerenciamento da demanda de energia, a previsão de carga é um componente vital para os sistemas de energia. O principal papel de uma organização de energia elétrica é fornecer energia elétrica de forma segura e econômica, mantendo a qualidade. Em sistemas de energia, a previsão de carga é uma questão essencial e tem sido amplamente estudada para obter resultados de previsão de carga mais precisos. Como em sistemas de energia, a geração de energia do dia seguinte deve ser programada todos os dias, a Previsão de Carga de Curto Prazo (PCCP) é uma tarefa diária importante para as empresas de energia. A PCCP representa a previsão de carga elétrica para um período de algumas horas a vários dias. Neste trabalho de graduação será usado um método no contexto das Redes Neurais Artificiais (RNA). RNA é um método que imita a forma como o cérebro humano processa informações. Vários tipos de RNAs foram apresentados nesta pesquisa, dentre eles a Rede Neural Feedforward, com treinamento via Algoritmo Levenberg-Marquardt Retropropagado, foi utilizada para criar um modelo PCCP. O erro percentual médio absoluto (MAPE) foi usado como métrica para avaliar o desempenho dos resultados da previsão. Por meio de avaliações detalhadas de desempenho, esta pesquisa evidencia que o modelo PCCP apresentado é capaz de prever com precisão a carga elétrica do dia seguinte atendendo às exigência do setor elétrico (MAPE igual, ou inferior a 5%).
Resumo (inglês)
To meet energy demand management, load forecasting is a vital component of energy systems.
The primary role of an electrical energy organization is to provide electrical energy safely and
economically while maintaining quality. In power systems, load forecasting is an essential issue
and has been extensively studied to obtain more accurate load forecasting results. As in power
systems, day-ahead power generation must be scheduled every day. Short-term load forecasting
(PCCP) is an essential daily task for power companies. PCCP represents the electrical load
forecast for a few hours to several days. In this undergraduate work (TG), a method in the
context of Artificial Neural Networks (ANN) is used to create a PCCP model. RNA is a method
that mimics the way the human brain processes information. Several types of ANNs were
presented in this research. The Feedforward Neural Network, training via the Retropropagated
Levenberg-Marquardt Algorithm, was used to create a PCCP model. The Mean Absolute
Percentage Error (MAPE) was used to evaluate the forecast results performance. Through
detailed performance evaluations, this research shows that the PCCP model presented is capable
of predicting the day ahead electric load accurately (MAPE equal to, or less than 5%).
Descrição
Palavras-chave
Previsão de Carga, Curto Prazo, Rede Neural Artificial, Aprendizado de máquina., Load forecast, Short term, Artificial neural network, Machine learning
Idioma
Português
