Previsão de demanda de um prédio universitário por redes neurais artificiais

Detalhes bibliográficos
Autor(a) principal: Carvalho, Monara Pereira da Rosa [UNESP]
Data de Publicação: 2017
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UNESP
Texto Completo: http://hdl.handle.net/11449/149835
Resumo: This work analysis load data from desegregated levels that presented difficulties to load forecasting with several methods due to variation in electrical energy consumption. The application proposed in this work is short-term load forecasting to a university building by GRNN (General Regression Neural Network) considering the bottom up approach and using a moving average filter to deal with the missing or wrong data. It is presented the system that provides the data as well as the methods used for pre-processing and realize the forecasting. The results are evaluated by MAPE (Mean Absolute Perceptual Error) and are considered good when compared with other methods.
id UNSP_15ec06ac32a85e1a634952b5d9db94e4
oai_identifier_str oai:repositorio.unesp.br:11449/149835
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str 2946
spelling Previsão de demanda de um prédio universitário por redes neurais artificiaisLoad forecasting of a university building by artificial neural networksBottom-upSmart gridsGRNNPrevisão de demanda de curto prazoRedes neurais artificiaisThis work analysis load data from desegregated levels that presented difficulties to load forecasting with several methods due to variation in electrical energy consumption. The application proposed in this work is short-term load forecasting to a university building by GRNN (General Regression Neural Network) considering the bottom up approach and using a moving average filter to deal with the missing or wrong data. It is presented the system that provides the data as well as the methods used for pre-processing and realize the forecasting. The results are evaluated by MAPE (Mean Absolute Perceptual Error) and are considered good when compared with other methods.Este trabalho destaca a análise de dados provenientes de locais com níveis de consumo mais desagregados que apresentam dificuldades para previsões de demanda com vários métodos devido à alta variação no consumo de energia elétrica. Apresenta-se resultados de previsões de demanda de curto prazo da energia elétrica consumida em um bloco de uma universidade por meio da rede neural de regressão generalizada (GRNN), utilizando a abordagem de modelagem de dados de baixo para cima e tratamento de ruídos e dados faltantes no banco de dados através da aplicação de um filtro de médias móveis. É apresentado o local que fornece as informações para os estudos e a etapa de pré-processamentos dos dados. Foi possível analisar a assertividade das previsões de acordo com o cálculo do MAPE, mostrando vantagens ao se comparar a outros métodos utilizados para os mesmos fins.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)Universidade Estadual Paulista (Unesp)Lotufo, Anna Diva Plasencia [UNESP]Universidade Estadual Paulista (Unesp)Carvalho, Monara Pereira da Rosa [UNESP]2017-03-21T19:15:17Z2017-03-21T19:15:17Z2017-01-20info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/11449/14983500088239633004099080P0porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-08-05T17:41:56Zoai:repositorio.unesp.br:11449/149835Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T17:41:56Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Previsão de demanda de um prédio universitário por redes neurais artificiais
Load forecasting of a university building by artificial neural networks
title Previsão de demanda de um prédio universitário por redes neurais artificiais
spellingShingle Previsão de demanda de um prédio universitário por redes neurais artificiais
Carvalho, Monara Pereira da Rosa [UNESP]
Bottom-up
Smart grids
GRNN
Previsão de demanda de curto prazo
Redes neurais artificiais
title_short Previsão de demanda de um prédio universitário por redes neurais artificiais
title_full Previsão de demanda de um prédio universitário por redes neurais artificiais
title_fullStr Previsão de demanda de um prédio universitário por redes neurais artificiais
title_full_unstemmed Previsão de demanda de um prédio universitário por redes neurais artificiais
title_sort Previsão de demanda de um prédio universitário por redes neurais artificiais
author Carvalho, Monara Pereira da Rosa [UNESP]
author_facet Carvalho, Monara Pereira da Rosa [UNESP]
author_role author
dc.contributor.none.fl_str_mv Lotufo, Anna Diva Plasencia [UNESP]
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Carvalho, Monara Pereira da Rosa [UNESP]
dc.subject.por.fl_str_mv Bottom-up
Smart grids
GRNN
Previsão de demanda de curto prazo
Redes neurais artificiais
topic Bottom-up
Smart grids
GRNN
Previsão de demanda de curto prazo
Redes neurais artificiais
description This work analysis load data from desegregated levels that presented difficulties to load forecasting with several methods due to variation in electrical energy consumption. The application proposed in this work is short-term load forecasting to a university building by GRNN (General Regression Neural Network) considering the bottom up approach and using a moving average filter to deal with the missing or wrong data. It is presented the system that provides the data as well as the methods used for pre-processing and realize the forecasting. The results are evaluated by MAPE (Mean Absolute Perceptual Error) and are considered good when compared with other methods.
publishDate 2017
dc.date.none.fl_str_mv 2017-03-21T19:15:17Z
2017-03-21T19:15:17Z
2017-01-20
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 http://hdl.handle.net/11449/149835
000882396
33004099080P0
url http://hdl.handle.net/11449/149835
identifier_str_mv 000882396
33004099080P0
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.publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv
_version_ 1808128161252114432

Registros relacionados