Previsão de carga multinodal utilizando Rede Neural ARTMAP Euclidiana

Detalhes bibliográficos
Autor(a) principal: Ferreira, Andréia Brasil Alves
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UNESP
Texto Completo: http://hdl.handle.net/11449/193357
Resumo: A antecipação da demanda energética é um segmento imprescindível para os sistemas elétricos de potência, no que tange às atividades de operação e planejamento, haja vista que as predições oportunizam elementos cruciais na tomada de decisão favorecendo diferentes ângulos desses sistemas. Essa pesquisa visa investigar o emprego das redes neurais artificiais na problemática da previsão de cargas elétricas de modo multinodal, isto é, observando-se diversos aspectos da rede elétrica. À vista disso, adotou-se uma arquitetura neural que se baseia na distância euclidiana e está fundamentada na teoria de ressonância adaptativa (ART), intitulada rede neural ARTMAP Euclidiana. No modelo neural aludido, foi aplicado um método que automatiza o ajuste dos parâmetros desta rede, visando obter resultados expressivos com rapidez, precisão e confiabilidade sem a necessidade de intervenção humana. Tendo em vista alcançar resultados com um horizonte preditivo de 24 horas à frente, a supracitada rede neural foi utilizada em diferentes módulos de um Sistema Previsor de Cargas da Subestação (SPCS) que processa as informações de cada subestação de forma particularizada. Desta forma, para avaliar a efetividade da metodologia proposta neste estudo, utilizaram-se dados históricos de cargas elétricas extraídos de um subsistema de distribuição de energia da New Zealand Electrical Company, do qual, foram aplicadas ao método proposto nesta pesquisa, nove subestações que compõem esse sistema de energia, bem como, a carga global do referido sistema elétrico.
id UNSP_53215f2121c486bd2a2a2c0f2ccd1275
oai_identifier_str oai:repositorio.unesp.br:11449/193357
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str 2946
spelling Previsão de carga multinodal utilizando Rede Neural ARTMAP EuclidianaMultinodal load forecast using Euclidean ARTMAP Neural NetworkRedes Neurais ArtificiaisRede ARTMAP EuclidianaPrevisão de Carga MultinodalDistribuição de Sistemas ElétricosArtificial Neural NetworksEuclidean ARTMAP Neural NetworkMultinodal Load ForecastingElectrical Distribution SystemsA antecipação da demanda energética é um segmento imprescindível para os sistemas elétricos de potência, no que tange às atividades de operação e planejamento, haja vista que as predições oportunizam elementos cruciais na tomada de decisão favorecendo diferentes ângulos desses sistemas. Essa pesquisa visa investigar o emprego das redes neurais artificiais na problemática da previsão de cargas elétricas de modo multinodal, isto é, observando-se diversos aspectos da rede elétrica. À vista disso, adotou-se uma arquitetura neural que se baseia na distância euclidiana e está fundamentada na teoria de ressonância adaptativa (ART), intitulada rede neural ARTMAP Euclidiana. No modelo neural aludido, foi aplicado um método que automatiza o ajuste dos parâmetros desta rede, visando obter resultados expressivos com rapidez, precisão e confiabilidade sem a necessidade de intervenção humana. Tendo em vista alcançar resultados com um horizonte preditivo de 24 horas à frente, a supracitada rede neural foi utilizada em diferentes módulos de um Sistema Previsor de Cargas da Subestação (SPCS) que processa as informações de cada subestação de forma particularizada. Desta forma, para avaliar a efetividade da metodologia proposta neste estudo, utilizaram-se dados históricos de cargas elétricas extraídos de um subsistema de distribuição de energia da New Zealand Electrical Company, do qual, foram aplicadas ao método proposto nesta pesquisa, nove subestações que compõem esse sistema de energia, bem como, a carga global do referido sistema elétrico.Anticipating energy demand is essential for the planning and operation of electric power systems since predictions highlight important points for decision-making, which improves different angles of these systems. Therefore, this research aims to investigate the use of artificial neural networks in the problem of forecasting electric charges in a multinodal way by observing several aspects of the electrical network. A neural architecture was adopted based on Euclidean distance and on the adaptive resonance theory (ART), named ARTMAP Euclidean neural network. In this neural model, the method applied automates the adjustment of the parameters of this network, aiming to obtain expressive results with speed, precision and reliability without requiring human intervention. In order to achieve results with a predictive horizon of 24 hours ahead, neural network was used in different modules of a Substation Load Prediction System (SPCS) that processes the information of each substation in a particular way. Historical data of electrical charges were used to evaluate the effectiveness of the methodology proposed in this study. These data were collected from New Zealand Electrical Company, which nine substations comprise its energy system, as well as the overall load of its electrical system energy distribution subsystem, and then, they were applied to the method proposed in this research.Universidade Estadual Paulista (Unesp)Lopes, Mara Lúcia Martins [UNESP]Universidade Estadual Paulista (Unesp)Ferreira, Andréia Brasil Alves2020-09-01T19:02:49Z2020-09-01T19:02:49Z2020-04-22info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/11449/19335733004099080P0porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-08-05T17:41:23Zoai:repositorio.unesp.br:11449/193357Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T17:41:23Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Previsão de carga multinodal utilizando Rede Neural ARTMAP Euclidiana
Multinodal load forecast using Euclidean ARTMAP Neural Network
title Previsão de carga multinodal utilizando Rede Neural ARTMAP Euclidiana
spellingShingle Previsão de carga multinodal utilizando Rede Neural ARTMAP Euclidiana
Ferreira, Andréia Brasil Alves
Redes Neurais Artificiais
Rede ARTMAP Euclidiana
Previsão de Carga Multinodal
Distribuição de Sistemas Elétricos
Artificial Neural Networks
Euclidean ARTMAP Neural Network
Multinodal Load Forecasting
Electrical Distribution Systems
title_short Previsão de carga multinodal utilizando Rede Neural ARTMAP Euclidiana
title_full Previsão de carga multinodal utilizando Rede Neural ARTMAP Euclidiana
title_fullStr Previsão de carga multinodal utilizando Rede Neural ARTMAP Euclidiana
title_full_unstemmed Previsão de carga multinodal utilizando Rede Neural ARTMAP Euclidiana
title_sort Previsão de carga multinodal utilizando Rede Neural ARTMAP Euclidiana
author Ferreira, Andréia Brasil Alves
author_facet Ferreira, Andréia Brasil Alves
author_role author
dc.contributor.none.fl_str_mv Lopes, Mara Lúcia Martins [UNESP]
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Ferreira, Andréia Brasil Alves
dc.subject.por.fl_str_mv Redes Neurais Artificiais
Rede ARTMAP Euclidiana
Previsão de Carga Multinodal
Distribuição de Sistemas Elétricos
Artificial Neural Networks
Euclidean ARTMAP Neural Network
Multinodal Load Forecasting
Electrical Distribution Systems
topic Redes Neurais Artificiais
Rede ARTMAP Euclidiana
Previsão de Carga Multinodal
Distribuição de Sistemas Elétricos
Artificial Neural Networks
Euclidean ARTMAP Neural Network
Multinodal Load Forecasting
Electrical Distribution Systems
description A antecipação da demanda energética é um segmento imprescindível para os sistemas elétricos de potência, no que tange às atividades de operação e planejamento, haja vista que as predições oportunizam elementos cruciais na tomada de decisão favorecendo diferentes ângulos desses sistemas. Essa pesquisa visa investigar o emprego das redes neurais artificiais na problemática da previsão de cargas elétricas de modo multinodal, isto é, observando-se diversos aspectos da rede elétrica. À vista disso, adotou-se uma arquitetura neural que se baseia na distância euclidiana e está fundamentada na teoria de ressonância adaptativa (ART), intitulada rede neural ARTMAP Euclidiana. No modelo neural aludido, foi aplicado um método que automatiza o ajuste dos parâmetros desta rede, visando obter resultados expressivos com rapidez, precisão e confiabilidade sem a necessidade de intervenção humana. Tendo em vista alcançar resultados com um horizonte preditivo de 24 horas à frente, a supracitada rede neural foi utilizada em diferentes módulos de um Sistema Previsor de Cargas da Subestação (SPCS) que processa as informações de cada subestação de forma particularizada. Desta forma, para avaliar a efetividade da metodologia proposta neste estudo, utilizaram-se dados históricos de cargas elétricas extraídos de um subsistema de distribuição de energia da New Zealand Electrical Company, do qual, foram aplicadas ao método proposto nesta pesquisa, nove subestações que compõem esse sistema de energia, bem como, a carga global do referido sistema elétrico.
publishDate 2020
dc.date.none.fl_str_mv 2020-09-01T19:02:49Z
2020-09-01T19:02:49Z
2020-04-22
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/11449/193357
33004099080P0
url http://hdl.handle.net/11449/193357
identifier_str_mv 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_ 1808128128813367296