Previsão de demanda de energia elétrica e aplicação de curto prazo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2014 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/105076 |
Resumo: | A previsão de demanda de energia elétrica é componente fundamental para planejar e operar corretamente um sistema de energia elétrica. Para poder entender a dimensão de sua importância, é apresentado o funcionamento do sistema elétrico brasileiro e gaúcho. Para entender a previsão de energia elétrica a curto prazo, são apresentados vários conceitos e técnicas integrantes de sua execução. Por fim, é apresentada uma modelagem da previsão de energia elétrica através de técnicas de redes neurais, comparando temperatura intradiária, intensidade de uso da luminosidade artificial e uma aproximação em modelo autoregressivo para obter um resulta-do de previsão de demanda de energia elétrica para as próximas vinte e quatro ho-ras. O estudo de caso ilustra a aplicação do método proposto ao Estado federado brasileiro do Rio Grande do Sul. |
id |
UFRGS-2_7c39b4187d64a8ea8b0c43be6e2e2e16 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/105076 |
network_acronym_str |
UFRGS-2 |
network_name_str |
Repositório Institucional da UFRGS |
repository_id_str |
|
spelling |
Klein, Leonardo PittaLeborgne, Roberto Chouhy2014-10-28T02:14:08Z2014http://hdl.handle.net/10183/105076000940475A previsão de demanda de energia elétrica é componente fundamental para planejar e operar corretamente um sistema de energia elétrica. Para poder entender a dimensão de sua importância, é apresentado o funcionamento do sistema elétrico brasileiro e gaúcho. Para entender a previsão de energia elétrica a curto prazo, são apresentados vários conceitos e técnicas integrantes de sua execução. Por fim, é apresentada uma modelagem da previsão de energia elétrica através de técnicas de redes neurais, comparando temperatura intradiária, intensidade de uso da luminosidade artificial e uma aproximação em modelo autoregressivo para obter um resulta-do de previsão de demanda de energia elétrica para as próximas vinte e quatro ho-ras. O estudo de caso ilustra a aplicação do método proposto ao Estado federado brasileiro do Rio Grande do Sul.The demand forecast for electricity is a key component to plan and operate correctly an electric power system. To understand the magnitude of its importance, it is shown the functioning of the Brazilian and Gaucho electrical system. Several con-cepts and technics of power demand forecast are presented. Finally, a short term demand forecasting is presented using techniques of neural networks, comparing intraday temperature, intensity of use of artificial light and an approach for AR model for a qualified result of demand forecasting for the next twenty four hours. The case study illustrates the application of the proposed method on the federated Brazilian state of Rio Grande do Sul.application/pdfporEngenharia elétricaElectric energyDemand forecastingShort time forecastPrevisão de demanda de energia elétrica e aplicação de curto prazoPrevisão de demanda de energia elétrica e aplicação no horizonte de curto prazo info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPorto Alegre, BR-RS2014Engenharia Elétricagraduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT000940475.pdf.txt000940475.pdf.txtExtracted Texttext/plain169910http://www.lume.ufrgs.br/bitstream/10183/105076/2/000940475.pdf.txt1712cc52b2a38b3247a6f9896a793e3bMD52ORIGINAL000940475.pdf000940475.pdfTexto completoapplication/pdf2385147http://www.lume.ufrgs.br/bitstream/10183/105076/1/000940475.pdf18fa60ed02ed6a3377df305fd0212da9MD51THUMBNAIL000940475.pdf.jpg000940475.pdf.jpgGenerated Thumbnailimage/jpeg1016http://www.lume.ufrgs.br/bitstream/10183/105076/3/000940475.pdf.jpg4924061e7c2bdf54d0b2a956b031e3eaMD5310183/1050762018-10-23 09:19:16.793oai:www.lume.ufrgs.br:10183/105076Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2018-10-23T12:19:16Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Previsão de demanda de energia elétrica e aplicação de curto prazo |
dc.title.alternative.pt_BR.fl_str_mv |
Previsão de demanda de energia elétrica e aplicação no horizonte de curto prazo |
title |
Previsão de demanda de energia elétrica e aplicação de curto prazo |
spellingShingle |
Previsão de demanda de energia elétrica e aplicação de curto prazo Klein, Leonardo Pitta Engenharia elétrica Electric energy Demand forecasting Short time forecast |
title_short |
Previsão de demanda de energia elétrica e aplicação de curto prazo |
title_full |
Previsão de demanda de energia elétrica e aplicação de curto prazo |
title_fullStr |
Previsão de demanda de energia elétrica e aplicação de curto prazo |
title_full_unstemmed |
Previsão de demanda de energia elétrica e aplicação de curto prazo |
title_sort |
Previsão de demanda de energia elétrica e aplicação de curto prazo |
author |
Klein, Leonardo Pitta |
author_facet |
Klein, Leonardo Pitta |
author_role |
author |
dc.contributor.author.fl_str_mv |
Klein, Leonardo Pitta |
dc.contributor.advisor1.fl_str_mv |
Leborgne, Roberto Chouhy |
contributor_str_mv |
Leborgne, Roberto Chouhy |
dc.subject.por.fl_str_mv |
Engenharia elétrica |
topic |
Engenharia elétrica Electric energy Demand forecasting Short time forecast |
dc.subject.eng.fl_str_mv |
Electric energy Demand forecasting Short time forecast |
description |
A previsão de demanda de energia elétrica é componente fundamental para planejar e operar corretamente um sistema de energia elétrica. Para poder entender a dimensão de sua importância, é apresentado o funcionamento do sistema elétrico brasileiro e gaúcho. Para entender a previsão de energia elétrica a curto prazo, são apresentados vários conceitos e técnicas integrantes de sua execução. Por fim, é apresentada uma modelagem da previsão de energia elétrica através de técnicas de redes neurais, comparando temperatura intradiária, intensidade de uso da luminosidade artificial e uma aproximação em modelo autoregressivo para obter um resulta-do de previsão de demanda de energia elétrica para as próximas vinte e quatro ho-ras. O estudo de caso ilustra a aplicação do método proposto ao Estado federado brasileiro do Rio Grande do Sul. |
publishDate |
2014 |
dc.date.accessioned.fl_str_mv |
2014-10-28T02:14:08Z |
dc.date.issued.fl_str_mv |
2014 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/105076 |
dc.identifier.nrb.pt_BR.fl_str_mv |
000940475 |
url |
http://hdl.handle.net/10183/105076 |
identifier_str_mv |
000940475 |
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.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Repositório Institucional da UFRGS |
collection |
Repositório Institucional da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/105076/2/000940475.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/105076/1/000940475.pdf http://www.lume.ufrgs.br/bitstream/10183/105076/3/000940475.pdf.jpg |
bitstream.checksum.fl_str_mv |
1712cc52b2a38b3247a6f9896a793e3b 18fa60ed02ed6a3377df305fd0212da9 4924061e7c2bdf54d0b2a956b031e3ea |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
|
_version_ |
1801224473870860288 |