Previsão de carga no periodo de demanda de ponta utilizando redes neurais artificiais

Detalhes bibliográficos
Autor(a) principal: Lima, Wagner da Silva
Data de Publicação: 1996
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/1583923
Resumo: Orientador: Takaaki Ohishi
id UNICAMP-30_ab04b878c73a648fb1421eeb3d0fdeb7
oai_identifier_str oai::110610
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Previsão de carga no periodo de demanda de ponta utilizando redes neurais artificiaisSistemas de energia elétricaRedes neurais (Computação)Orientador: Takaaki OhishiDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia EletricaResumo: A habilidade de prever precisamente a carga do sistema é vital ao planejamento e operação eficiente, econômica e segura de um sistema de potência. Este trabalho investiga a utilização de redes neurais artificiais para previsão de carga no período de demanda de ponta a curto e curtíssimo prazos. Dois algoritmos de previsão são testados e avaliados com relação a precisão e esforço computacional. Uma análise da influência de dados climáticos sobre a carga é realizada. Procurou-se encontrar uma arquitetura compacta e robusta que pudesse levar em consideração a sazonalidade da carga anual, sem comprometer a precisão da previsão. o primeiro algoritmo (MWS) utiliza os dados dos últimos dez dias típicos para previsão do perfil de maneira estática e dinâmica. O segundo algoritmo (AAS) utiliza os dados históricos do ano anterior para previsão do ano vigente (previsão estática e dinâmica). O algoritmo MWS com previsão dinâmica obteve os melhores resultados para os horizontes de dez minutos (curtíssimo prazo) à frente, uma e 24 horas à frente. Várias dificuldades foram encontradas para considerar a entrada e saída do horário de verão. Apenas a variável temperatura máxima foi a mais significativa em termos de variáveis climáticas. A escassez de dados climáticos mais consistentes no final da tarde impediram uma avaliação mais completa da influência das condições climáticas na previsão. Os resultados obtidos demonstraram um bom desempenho das redes neurais com erro médio percentual absoluto em tomo de 2% para os três horizontes previstosAbstract: The ability to accurately predict the system load is vital to the efficient, economic, and secure operation and planning of a power system. This work investigates the use of artificial neural networks for short and very short-term load peak demand forecasting. Two forecasting algorithms are tested and evaluated based on their precision and computational load. The influence of weather conditions on load demand is investigated. We sought a robust and compact topology which considers annual load sazonality, in order to preserve the forecast precision. The algorithm (MWS) uses data from the last 10 typical days to forecast the load peak demand profile with static and dynamic methods. The second algorithm (AAS) uses historical data from the previous year's load and weather database to forecast current year using static and dynamical methods. The MWS algorithm with dynamic forecasting yields the best 1000peak demand forecasting results for 10 minutes (very short-term forecasting), 1 and 24 hours ahead. The maximum temperature is the most significant weather variable. Scarce consistent evening weather data prevent a more complete evaluation of the influence of weather conditions on load forecasting. -The results show good performance of neural networks with around 2% mean percent absolute error for forecasts on the three horizons evaluated.MestradoMestre em Engenharia Elétrica[s.n.]Ohishi, Takaaki, 1955-Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia ElétricaPrograma de Pós-Graduação em Engenharia ElétricaUNIVERSIDADE ESTADUAL DE CAMPINASLima, Wagner da Silva19961996-09-09T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf140 f. : il.(Broch.)https://hdl.handle.net/20.500.12733/1583923LIMA, Wagner da Silva. Previsão de carga no periodo de demanda de ponta utilizando redes neurais artificiais. 1996. 140 f. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1583923. Acesso em: 2 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/110610porreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2022-05-04T17:42:36Zoai::110610Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2022-05-04T17:42:36Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Previsão de carga no periodo de demanda de ponta utilizando redes neurais artificiais
title Previsão de carga no periodo de demanda de ponta utilizando redes neurais artificiais
spellingShingle Previsão de carga no periodo de demanda de ponta utilizando redes neurais artificiais
Lima, Wagner da Silva
Sistemas de energia elétrica
Redes neurais (Computação)
title_short Previsão de carga no periodo de demanda de ponta utilizando redes neurais artificiais
title_full Previsão de carga no periodo de demanda de ponta utilizando redes neurais artificiais
title_fullStr Previsão de carga no periodo de demanda de ponta utilizando redes neurais artificiais
title_full_unstemmed Previsão de carga no periodo de demanda de ponta utilizando redes neurais artificiais
title_sort Previsão de carga no periodo de demanda de ponta utilizando redes neurais artificiais
author Lima, Wagner da Silva
author_facet Lima, Wagner da Silva
author_role author
dc.contributor.none.fl_str_mv Ohishi, Takaaki, 1955-
Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica
Programa de Pós-Graduação em Engenharia Elétrica
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Lima, Wagner da Silva
dc.subject.por.fl_str_mv Sistemas de energia elétrica
Redes neurais (Computação)
topic Sistemas de energia elétrica
Redes neurais (Computação)
description Orientador: Takaaki Ohishi
publishDate 1996
dc.date.none.fl_str_mv 1996
1996-09-09T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv (Broch.)
https://hdl.handle.net/20.500.12733/1583923
LIMA, Wagner da Silva. Previsão de carga no periodo de demanda de ponta utilizando redes neurais artificiais. 1996. 140 f. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1583923. Acesso em: 2 set. 2024.
identifier_str_mv (Broch.)
LIMA, Wagner da Silva. Previsão de carga no periodo de demanda de ponta utilizando redes neurais artificiais. 1996. 140 f. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1583923. Acesso em: 2 set. 2024.
url https://hdl.handle.net/20.500.12733/1583923
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/110610
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
140 f. : il.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1809188789624504320

Registros relacionados