Previsão do Consumo de Instalações Elétricas e do Preço da Eletricidade no Mercado Ibérico com base em Redes Neuronais

• Autor(a) principal: Sousa, Diogo Boldt Pereira de
• Data de Publicação: 2016
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10400.22/10641
• topic: Mercados de Energia; Previsão; Redes Neuronais Artificiais; Tarifas Dinâmicas; Artificial Neural Networks; Dynamic Pricing; Forecast; Energy Markets

Ao longo dos últimos anos, o crescimento do consumo e a constante aposta em produção distribuída provocaram alterações no sistema eléctrico ao nível da produção, transporte e distribuição. Desta forma foi necessária a implementação de soluções, para permitir ao operador de sistema realizar eficazmente acções de correcções de equilíbrio energético, manutenção do nível de frequência adequado e estabelecimento de reservas estratégicas. 0 conceito de tarifa dinâmica foi implementado para apresentar vantagens para os consumidores, dado que as suas tarifas variam em tempo real, consoante os pre9os da energia no mercado diário do Mercado Ibérico de Electricidade (MIBEL ). Esta dissertação de mestrado aborda a área da Energia e incide em temas-chave como Mercados de Energia e Tarifas Dinâmicas. Segundo os tópicos anteriores foram implementados métodos de previsão de consumos e de previsão de energia nos mercados diários, para o MIBEL, numa Rede Neuronal Artificial (RNA), utilizando a ferramenta Neural Network Toolbox, do MATLAB. Em ambos os tópicos de previsão foram estudadas e comparadas diferentes RNA, para averiguar qual a influência de determinados parâmetros no processo de aprendizagem e qual destas redes permitiria obter melhores resultados. Os casos de estudo baseiam-se em duas lojas comerciais com fornecimento de energia em Media Tensão, potencia contratada de 186kVA, tarifa tetra-horária e um ciclo Semanal. Em relação aos métodos de previsão, estes exibem resultados interessantes segundo os objetivos delineados. A previsão de consumos mostra melhor aprendizagem devido a conformidade entre os dias treinados; tal não se averigua no segundo tópico de previsão devido as oscilações do preço, no MIBEL. Pretende-se analisar a influência dos parâmetros Produção Eólica, Hídrica, Térmica e Solar no processo de aprendizagem para previsão do preço de energia. Apresenta-se ainda um estudo sobre a aplicação de tarifas indexadas utilizando ambos os métodos de previsão desenvolvidos, concluindo que esta tarifa é vantajosa em algumas situações, contudo existe sempre risco associado, dado a sua dependência dos preços de energia do MIBEL.