Um modelo híbrido-adaptativo para previsão de demanda de energia elétrica baseada em técnicas de inteligência artificial

• Autor(a) principal: Silva, Carlos Vinicius Machado
• Data de Publicação: 2011
• 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/971
• topic: Electrical engineering; Electricity; Artificial intelligence; Genetic algorithms; Energy demand; Engenharia elétrica; Energia elétrica; Inteligência artificial; Algoritmos genéticos; Demanda energética; CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA

Entre os desafios das empresas do setor elétrico de potência está o de manter a qualidade e a continuidade no fornecimento de energia elétrica. Para tanto, torna-se necessária a realização de estudos e o desenvolvimento de procedimentos e metodologias para otimizar e aprimorar os serviços prestados por estas empresas. Apresenta-se como uma dessas necessidades o conhecimento da demanda energética em estados futuros, que auxilia operadores, engenheiros e gestores na tomada de decisões. Nesse contexto, um modelo previsor de demanda de energia elétrica, tendo o curtíssimo prazo como horizonte de projeção e considerando a influência de variáveis climáticas, propicia e embasa as decisões da empresa onde é utilizado. Também pode permitir a identificação de possíveis situações de risco de operação do sistema. Para construção do modelo citado, pode-se empregar mais de uma técnica de inteligência artificial, além de contar com o auxílio de métodos probabilísticos, elaborando-se um modelo híbrido-adaptativo. Esse modelo previsor configura seus próprios parâmetros a fim de aprimorar o método, ajustando-se a diferentes cenários, minimizando a diferença entre o valor de demanda prevista e o valor real medido. Para tanto, utilizou-se mapas auto-organizáveis, que permitem a criação de um modelo probabilístico, conhecido como Cadeia de Markov, a partir dos dados históricos de variáveis climáticas. Também se agregaram técnicas de algoritmos genéticos para tornar a metodologia proposta adaptável a diferentes cenários, permitindo a definição dos parâmetros de entrada. As pesquisas que originaram este trabalho foram aplicadas em uma concessionária de energia elétrica do Rio Grande do Sul, interessada em realizar a previsão de demanda energética, considerando o curtíssimo prazo como horizonte de projeção. Assim, apresenta-se um método confiável e robusto na tomada de decisões, auxiliando o planejamento e trazendo benefícios econômicos, devido ao fato de propiciar dados confiáveis para os gestores.