Intelligent forecasting of electricity consumption in buildings, for application in the iberian market of electricity bidding

• Autor(a) principal: Sousa, Manuel Carlos dos Santos
• Data de Publicação: 2018
• Tipo de documento: Dissertação
• Idioma: eng
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10400.1/12512
• topic: Redes neuronais artificiais; Função base radial; Previsão de consumo energético; MIBEL; Algoritmos genéticos multi-objectivo; Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática

O governo português, numa iniciativa conjunta com o governo espanhol, formou o Mercado Ibérico de Eletricidade ou MIBEL, que possibilita a qualquer consumidor do espaço ibérico, adquirir energia elétrica num regime de livre concorrência, a qualquer produtor ou comercializador de energia elétrica que atue em Portugal ou Espanha. Criou-se assim um mercado de energia muito competitivo, onde a energia elétrica é comprada e vendida ao preço do mercado. Como consequência, o risco assumido pelas empresas que produzem, vendem ou compram energia elétrica aumentou substancialmente, tornando-se difícil gerir uma empresa deste sector sem fazer qualquer tipo de análise estatística ou sem implementar técnicas e métodos de previsão. Daí a necessidade de estudar e desenvolver modelos de previsão para o consumo da energia elétrica. Numa perspetiva de otimização das ofertas de compra de energia, em mercados organizados, atendendo às previsões das necessidades dos clientes e volatilidade dos contratos, o processo de compra revela-se uma atividade crucial. O trabalho desenvolvido presente neste relatório vem no seguimento desta necessidade identificada durante o periodo de estágio na empresa do Grupo Rolear, no departamento Rolear Viva responsável pela comercialização de electricidade e gás natural no mercado livre. Depois de um período de estudo aprofundado do funcionamento do setor, foram utilizados modelos de redes neuronais de função de base radial (RBFNN), em que a sua estrutura foi otimizada através do algoritmo genético multi-objectivo (MOGA). Os modelos foram idealizados para um horizonte de previsão de 24 e 48 horas, assentes em abordagens de consumos energéticos sazonais e anual, bem como utilizando variáveis exógenas que reflitam os hábitos diários e contributos atmosféricos no consumo de energia.