[en] ESTIMATION OF THE SHORTAGE EFFECTS IN LOAD FORECASTING
Autor(a) principal: | |
---|---|
Data de Publicação: | 2004 |
Tipo de documento: | Outros |
Idioma: | por |
Título da fonte: | Repositório Institucional da PUC-RIO (Projeto Maxwell) |
Texto Completo: | https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=4545@1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=4545@2 http://doi.org/10.17771/PUCRio.acad.4545 |
Resumo: | [pt] Esta dissertação investiga os efeitos do racionamento de energia elétrica ocorrido no período entre junho de 2001 a fevereiro de 2002, nas previsões de energia das principais concessionárias brasileiras. Para tal, estudamos o desempenho de modelos lineares e não-lineares. Dentre os modelos lineares, analisamos os modelos ARIMA (p,d,q) de Box & Jenkins e os modelos de amortecimento exponencial de Holt & Winters. Dentre os modelos não-lineares, são abordadas técnicas de inteligência artificial tais como Redes Neurais e Lógica Fuzzy. Visto que o racionamento levou a previsões ineficientes, propomos alternativas para reduzir seu impacto. Por último, investigamos os impactos causados pela crise energética nas previsões doze passos à frente de carga elétrica provenientes de vinte e oito concessionárias. A base de dados é composta pelos valores observados e as previsões fornecidas pelo PREVCAR, um dos sistemas de previsão da cadeia oficial de programas do setor elétrico brasileiro. Por meio de um procedimento de Análise de Agrupamento utilizando Redes Neurais Artificiais do tipo SOM (Self Organizing Map) de Kohonen são estabelecidos os grupos de concessionárias que possuem os mesmos comportamentos diante do racionamento. Como resultado final, foram estimados fatores de redução das previsões causados pelo racionamento, que servem como base de cálculo para reduções nas previsões futuras em períodos de crise de abastecimento. |
id |
PUC_RIO-1_9f1f180bb0e3ff4a7c6f178c1e720457 |
---|---|
oai_identifier_str |
oai:MAXWELL.puc-rio.br:4545 |
network_acronym_str |
PUC_RIO-1 |
network_name_str |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
repository_id_str |
534 |
spelling |
[en] ESTIMATION OF THE SHORTAGE EFFECTS IN LOAD FORECASTING [pt] ESTIMATIVA DOS EFEITOS DO RACIONAMENTO NAS PREVISÕES DE CARGA ELÉTRICA [pt] SERIE TEMPORAL[pt] COMBINACOES DE PREVISOES[pt] RACIONAMENTO[pt] LOGICA FUZZY[pt] REDE NEURAL ARTIFICIAL[en] TIME SERIE[en] PREDICTION COMBINING[en] RATIONING[en] FUZZY LOGIC[en] ARTIFICIAL NEURAL NETWORKS[pt] Esta dissertação investiga os efeitos do racionamento de energia elétrica ocorrido no período entre junho de 2001 a fevereiro de 2002, nas previsões de energia das principais concessionárias brasileiras. Para tal, estudamos o desempenho de modelos lineares e não-lineares. Dentre os modelos lineares, analisamos os modelos ARIMA (p,d,q) de Box & Jenkins e os modelos de amortecimento exponencial de Holt & Winters. Dentre os modelos não-lineares, são abordadas técnicas de inteligência artificial tais como Redes Neurais e Lógica Fuzzy. Visto que o racionamento levou a previsões ineficientes, propomos alternativas para reduzir seu impacto. Por último, investigamos os impactos causados pela crise energética nas previsões doze passos à frente de carga elétrica provenientes de vinte e oito concessionárias. A base de dados é composta pelos valores observados e as previsões fornecidas pelo PREVCAR, um dos sistemas de previsão da cadeia oficial de programas do setor elétrico brasileiro. Por meio de um procedimento de Análise de Agrupamento utilizando Redes Neurais Artificiais do tipo SOM (Self Organizing Map) de Kohonen são estabelecidos os grupos de concessionárias que possuem os mesmos comportamentos diante do racionamento. Como resultado final, foram estimados fatores de redução das previsões causados pelo racionamento, que servem como base de cálculo para reduções nas previsões futuras em períodos de crise de abastecimento.[en] This dissertation aims at an exploratory study of impacts caused by the 2001 energy crisis on the current forecasts produced on a monthly basis for main distributing utilities. For that we show an accuracy study of the performance of the linear and non-linear models. It has been used, within the linear models class, the modeling approach of Box-Jenkins and exponential smoothing of Holt- Winters. Within the non-linear ones, it was chosen those based on artificial intelligence techniques, such as Fuzzy Logic and Artificial Neural Network. Due to the lack of accuracy of the models to cope with the discontinuities provoked by the crisis on the forecasts, some alternative tools to reduce the impact on the forecast errors are proposed. Finally, the impacts caused by the crisis on multiple steps ahead forecasts have also been investigated. It was taken the monthly forecasts produced by PREVCAR (one of official Brazilian load forecasting system), as well as the observed values covering the same period, to create the crisis response indices series for each one of the twenty and eight utilities included in the analysis. It was also used the well-known neural network based algorithm SOM (Self Organizing Maps) to classify the utilities into homogeneous groups, according to their response to the energy crisis. As a final result, for each group, it was estimated the reduction factors that can be used as a prior information in future energy supply crisis. MAXWELLREINALDO CASTRO SOUZAREINALDO CASTRO SOUZAREINALDO CASTRO SOUZAMARCELO PIERI FERREIRA2004-03-01info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/otherhttps://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=4545@1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=4545@2http://doi.org/10.17771/PUCRio.acad.4545porreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccess2018-07-05T00:00:00Zoai:MAXWELL.puc-rio.br:4545Repositório InstitucionalPRIhttps://www.maxwell.vrac.puc-rio.br/ibict.phpopendoar:5342018-07-05T00:00Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)false |
dc.title.none.fl_str_mv |
[en] ESTIMATION OF THE SHORTAGE EFFECTS IN LOAD FORECASTING [pt] ESTIMATIVA DOS EFEITOS DO RACIONAMENTO NAS PREVISÕES DE CARGA ELÉTRICA |
title |
[en] ESTIMATION OF THE SHORTAGE EFFECTS IN LOAD FORECASTING |
spellingShingle |
[en] ESTIMATION OF THE SHORTAGE EFFECTS IN LOAD FORECASTING MARCELO PIERI FERREIRA [pt] SERIE TEMPORAL [pt] COMBINACOES DE PREVISOES [pt] RACIONAMENTO [pt] LOGICA FUZZY [pt] REDE NEURAL ARTIFICIAL [en] TIME SERIE [en] PREDICTION COMBINING [en] RATIONING [en] FUZZY LOGIC [en] ARTIFICIAL NEURAL NETWORKS |
title_short |
[en] ESTIMATION OF THE SHORTAGE EFFECTS IN LOAD FORECASTING |
title_full |
[en] ESTIMATION OF THE SHORTAGE EFFECTS IN LOAD FORECASTING |
title_fullStr |
[en] ESTIMATION OF THE SHORTAGE EFFECTS IN LOAD FORECASTING |
title_full_unstemmed |
[en] ESTIMATION OF THE SHORTAGE EFFECTS IN LOAD FORECASTING |
title_sort |
[en] ESTIMATION OF THE SHORTAGE EFFECTS IN LOAD FORECASTING |
author |
MARCELO PIERI FERREIRA |
author_facet |
MARCELO PIERI FERREIRA |
author_role |
author |
dc.contributor.none.fl_str_mv |
REINALDO CASTRO SOUZA REINALDO CASTRO SOUZA REINALDO CASTRO SOUZA |
dc.contributor.author.fl_str_mv |
MARCELO PIERI FERREIRA |
dc.subject.por.fl_str_mv |
[pt] SERIE TEMPORAL [pt] COMBINACOES DE PREVISOES [pt] RACIONAMENTO [pt] LOGICA FUZZY [pt] REDE NEURAL ARTIFICIAL [en] TIME SERIE [en] PREDICTION COMBINING [en] RATIONING [en] FUZZY LOGIC [en] ARTIFICIAL NEURAL NETWORKS |
topic |
[pt] SERIE TEMPORAL [pt] COMBINACOES DE PREVISOES [pt] RACIONAMENTO [pt] LOGICA FUZZY [pt] REDE NEURAL ARTIFICIAL [en] TIME SERIE [en] PREDICTION COMBINING [en] RATIONING [en] FUZZY LOGIC [en] ARTIFICIAL NEURAL NETWORKS |
description |
[pt] Esta dissertação investiga os efeitos do racionamento de energia elétrica ocorrido no período entre junho de 2001 a fevereiro de 2002, nas previsões de energia das principais concessionárias brasileiras. Para tal, estudamos o desempenho de modelos lineares e não-lineares. Dentre os modelos lineares, analisamos os modelos ARIMA (p,d,q) de Box & Jenkins e os modelos de amortecimento exponencial de Holt & Winters. Dentre os modelos não-lineares, são abordadas técnicas de inteligência artificial tais como Redes Neurais e Lógica Fuzzy. Visto que o racionamento levou a previsões ineficientes, propomos alternativas para reduzir seu impacto. Por último, investigamos os impactos causados pela crise energética nas previsões doze passos à frente de carga elétrica provenientes de vinte e oito concessionárias. A base de dados é composta pelos valores observados e as previsões fornecidas pelo PREVCAR, um dos sistemas de previsão da cadeia oficial de programas do setor elétrico brasileiro. Por meio de um procedimento de Análise de Agrupamento utilizando Redes Neurais Artificiais do tipo SOM (Self Organizing Map) de Kohonen são estabelecidos os grupos de concessionárias que possuem os mesmos comportamentos diante do racionamento. Como resultado final, foram estimados fatores de redução das previsões causados pelo racionamento, que servem como base de cálculo para reduções nas previsões futuras em períodos de crise de abastecimento. |
publishDate |
2004 |
dc.date.none.fl_str_mv |
2004-03-01 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/other |
format |
other |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=4545@1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=4545@2 http://doi.org/10.17771/PUCRio.acad.4545 |
url |
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=4545@1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=4545@2 http://doi.org/10.17771/PUCRio.acad.4545 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
MAXWELL |
publisher.none.fl_str_mv |
MAXWELL |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da PUC-RIO (Projeto Maxwell) instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) instacron:PUC_RIO |
instname_str |
Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) |
instacron_str |
PUC_RIO |
institution |
PUC_RIO |
reponame_str |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
collection |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
repository.name.fl_str_mv |
Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) |
repository.mail.fl_str_mv |
|
_version_ |
1814822548424097792 |