Previsão de carga através de modelos neuro-fuzzy

Detalhes bibliográficos
Autor(a) principal: Almeida, Victor Andrade de
Data de Publicação: 2013
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFRJ
Texto Completo: http://hdl.handle.net/11422/9937
Resumo: Este projeto de graduação apresenta um modelo de previsão de carga de sistemas de energia elétrica utilizando de forma combinada Redes Neurais Artificiais e Lógica Fuzzy. Ao longo do trabalho são apresentados os fundamentos dessas duas técnicas de inteligência computacional, assim como a utilização de ambas na metodologia proposta. A partir de dados de carga históricos e outras informações como as datas de feriados e finais de semana, são realizadas separadamente previsões de ponta de carga e perfil de carga. São descritos de forma detalhada os dados de entrada, a estrutura do modelo proposto e também os ajustes realizados nos parâmetros do modelo a fim de obter-se uma maior qualidade na previsão. A programação do modelo, o tratamento de dados e avaliação do resultado foram realizados através do software MATLAB.
id UFRJ_533dfd35646b3960efeac5e4b8d62b40
oai_identifier_str oai:pantheon.ufrj.br:11422/9937
network_acronym_str UFRJ
network_name_str Repositório Institucional da UFRJ
repository_id_str
spelling Previsão de carga através de modelos neuro-fuzzyPrevisão de CargaRedes NeuraisLógica FuzzyCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAEste projeto de graduação apresenta um modelo de previsão de carga de sistemas de energia elétrica utilizando de forma combinada Redes Neurais Artificiais e Lógica Fuzzy. Ao longo do trabalho são apresentados os fundamentos dessas duas técnicas de inteligência computacional, assim como a utilização de ambas na metodologia proposta. A partir de dados de carga históricos e outras informações como as datas de feriados e finais de semana, são realizadas separadamente previsões de ponta de carga e perfil de carga. São descritos de forma detalhada os dados de entrada, a estrutura do modelo proposto e também os ajustes realizados nos parâmetros do modelo a fim de obter-se uma maior qualidade na previsão. A programação do modelo, o tratamento de dados e avaliação do resultado foram realizados através do software MATLAB.Universidade Federal do Rio de JaneiroBrasilEscola PolitécnicaUFRJAssis, Tatiana Mariano Lessa dePessanha, José Francisco MoreiraOumar, DieneAlmeida, Victor Andrade de2019-10-09T10:54:22Z2023-12-21T03:01:35Z2013-08info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesishttp://hdl.handle.net/11422/9937porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRJinstname:Universidade Federal do Rio de Janeiro (UFRJ)instacron:UFRJ2023-12-21T03:01:35Zoai:pantheon.ufrj.br:11422/9937Repositório InstitucionalPUBhttp://www.pantheon.ufrj.br/oai/requestpantheon@sibi.ufrj.bropendoar:2023-12-21T03:01:35Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ)false
dc.title.none.fl_str_mv Previsão de carga através de modelos neuro-fuzzy
title Previsão de carga através de modelos neuro-fuzzy
spellingShingle Previsão de carga através de modelos neuro-fuzzy
Almeida, Victor Andrade de
Previsão de Carga
Redes Neurais
Lógica Fuzzy
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
title_short Previsão de carga através de modelos neuro-fuzzy
title_full Previsão de carga através de modelos neuro-fuzzy
title_fullStr Previsão de carga através de modelos neuro-fuzzy
title_full_unstemmed Previsão de carga através de modelos neuro-fuzzy
title_sort Previsão de carga através de modelos neuro-fuzzy
author Almeida, Victor Andrade de
author_facet Almeida, Victor Andrade de
author_role author
dc.contributor.none.fl_str_mv Assis, Tatiana Mariano Lessa de
Pessanha, José Francisco Moreira
Oumar, Diene
dc.contributor.author.fl_str_mv Almeida, Victor Andrade de
dc.subject.por.fl_str_mv Previsão de Carga
Redes Neurais
Lógica Fuzzy
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
topic Previsão de Carga
Redes Neurais
Lógica Fuzzy
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
description Este projeto de graduação apresenta um modelo de previsão de carga de sistemas de energia elétrica utilizando de forma combinada Redes Neurais Artificiais e Lógica Fuzzy. Ao longo do trabalho são apresentados os fundamentos dessas duas técnicas de inteligência computacional, assim como a utilização de ambas na metodologia proposta. A partir de dados de carga históricos e outras informações como as datas de feriados e finais de semana, são realizadas separadamente previsões de ponta de carga e perfil de carga. São descritos de forma detalhada os dados de entrada, a estrutura do modelo proposto e também os ajustes realizados nos parâmetros do modelo a fim de obter-se uma maior qualidade na previsão. A programação do modelo, o tratamento de dados e avaliação do resultado foram realizados através do software MATLAB.
publishDate 2013
dc.date.none.fl_str_mv 2013-08
2019-10-09T10:54:22Z
2023-12-21T03:01:35Z
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/11422/9937
url http://hdl.handle.net/11422/9937
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 Universidade Federal do Rio de Janeiro
Brasil
Escola Politécnica
UFRJ
publisher.none.fl_str_mv Universidade Federal do Rio de Janeiro
Brasil
Escola Politécnica
UFRJ
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRJ
instname:Universidade Federal do Rio de Janeiro (UFRJ)
instacron:UFRJ
instname_str Universidade Federal do Rio de Janeiro (UFRJ)
instacron_str UFRJ
institution UFRJ
reponame_str Repositório Institucional da UFRJ
collection Repositório Institucional da UFRJ
repository.name.fl_str_mv Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ)
repository.mail.fl_str_mv pantheon@sibi.ufrj.br
_version_ 1815455996747710464

Registros relacionados