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

Página do item simplificado
dc.contributor.advisorLotufo, Anna Diva Plasencia [UNESP]
dc.contributor.advisorLopes, Mara Lúcia Martins [UNESP]
dc.contributor.authorSilva, Thays Aparecida de Abreu [UNESP]
dc.contributor.institutionUniversidade Estadual Paulista (Unesp)
dc.date.accessioned2014-06-11T19:22:32Z
dc.date.available2014-06-11T19:22:32Z
dc.date.issued2012-02-24
dc.description.abstractAtualmente 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, modelo híbrido de regressão com redes neurais artificiais, foram comparados com demais trabalhos da literatura. É importante destacar que os resultados utilizados na comparação usam o mesmo banco de dados históricos (demanda de carga elétrica) de uma companhia do setor elétrico brasileiro, bem como o mesmo período de janelamentopt
dc.description.abstractNowadays the electric power systems are increasing and becoming complexes and therefore it is necessary to provide alternatives to minimize the generation and operation costs. Load forecasting is a very important task for planning and operation of electric power systems of which other tasks are dependent, as for example, economic dispatch, power flow, and stability analysis, among others. Therefore, this task (load forecasting) must be precise for a secure and reliable operation of the power system. Forecasting precision is very important to set when and how much generation and transmission capacity is necessary to attend the load without interruptions. The objective of this work is to develop a hybrid model using ARIMA of Box & Jenkins and Neural Networks trained by Levenberg-Marquardt algorithm. This model is used aiming to improve the precision of the short term electrical load forecasting. The results obtained were compared with others available on the literature. It is emphasized that the data used is the same (from a Brazilian electric company) as well as the window perioden
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
dc.format.extent62 f. : il.
dc.identifier.aleph000693143
dc.identifier.capes33004099080P0
dc.identifier.citationSILVA, Thays Aparecida de Abreu. Previsão de cargas elétricas através de um modelo híbrido de regressão com redes neurais. 2012. 62 f. Dissertação (mestrado) - Universidade Estadual Paulista, Faculdade de Engenharia de Ilha Solteira, 2012.
dc.identifier.filesilva_taa_me_ilha.pdf
dc.identifier.lattes5434299135943285
dc.identifier.urihttp://hdl.handle.net/11449/87107
dc.language.isopor
dc.publisherUniversidade Estadual Paulista (Unesp)
dc.rights.accessRightsAcesso aberto
dc.sourceAleph
dc.subjectEnergia elétricapt
dc.subjectSistemas de energia eletricapt
dc.subjectRedes neurais (Computação)pt
dc.subjectARIMA Models by Box & Jenkinsen
dc.subjectArtificial neural net-worksen
dc.titlePrevisão de cargas elétricas através de um modelo híbrido de regressão com redes neuraispt
dc.typeDissertação de mestrado
unesp.advisor.lattes6022112355517660[1]
unesp.advisor.orcid0000-0002-0192-2651[1]
unesp.author.lattes5434299135943285
unesp.campusUniversidade Estadual Paulista (Unesp), Faculdade de Engenharia, Ilha Solteirapt
unesp.graduateProgramEngenharia Elétrica - FEISpt
unesp.knowledgeAreaAutomaçãopt
unesp.researchAreaSistemas de energia elétricapt

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
silva_taa_me_ilha.pdf
Tamanho:
361.76 KB
Formato:
Adobe Portable Document Format
Baixar

Coleções

Dissertações - Engenharia Elétrica - FEIS