Previsão de carga e demanda de energia elétrica através de sistemas inteligentes

• Autor(a) principal: Gomes, Robison Roberto
• Data de Publicação: 2015
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNIPAMPA
• Texto Completo: http://dspace.unipampa.edu.br/jspui/handle/riu/1056
• topic: CNPQ::ENGENHARIAS; Electrical engineering; Electricity; Demand; Prediction; Engenharia elétrica; Demanda; Previsão

Sistemas inteligentes de previsões futuras são fundamentais para a operação e o gerenciamento dos sistemas elétricos, onde, o planejamento e a tomada de decisões são realizados para atender as necessidades futuras de energia, em função da disponibilidade atual, que depende de eventos anteriores. Os diferentes tipos de consumidores fazem uso da energia elétrica de formas distintas, o uso final de energia que cada segmento de cliente realiza impacta diretamente em todo o sistema elétrico. O horizonte de previsão de demanda é fundamental para definir estratégias de planejamento e operação, compra de combustíveis, compra e venda de energia, crescimento e expansão e, ainda, negociações de contrato. O presente trabalho trata do desenvolvimento e, implementação de um sistema inteligente de previsão de demanda de energia elétrica através de redes neurais artificiais de previsão. A topologia de rede utilizada nesse processo é a rede Perceptron de Múltiplas Camadas com Entradas Atrasadas no Tempo (PMC-TDNN), pois sistemas de energia elétrica possuem características de distribuição que variam em função do tempo e, assim, comportam-se de maneira similar aos sistemas dinâmicos. O sistema é treinado e validado através de um histórico de dados reais, fornecido por um agente distribuidor de energia elétrica. Esses dados foram tratados e manipulados para que o sistema possa ser o mais flexível às variações nas análises. Essa flexibilidade permite com que as análises sejam direcionadas para alimentadores individuais e as previsões sejam realizadas para classes específicas de consumidores. Os resultados iniciais do trabalho desenvolvido não contemplaram os fatores climatológicos e nem a segregação por classes de consumidores, no entanto os resultados indicam que o sistema de previsão poderá possuir um grande potencial de melhoria e aumento na precisão a partir do correlacionamento dessas novas variáveis.