Previsão de carga de Smart Grids: nova formulação por redes neurais da Teoria da Ressonância Adaptativa

• Autor(a) principal: Silva, Marcela Alexandra da
• Data de Publicação: 2020
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/193087
• topic: Sistemas elétricos de potência; Previsão de carga global; Redes Neurais Artificiais; Teoria da Ressonância Adaptativa; Treinamento continuado; Electric power systems; Global load forecasting; Artificial neural networks; Adaptive Resonance Theory; Continuous learning

Esta pesquisa de doutorado tem por objetivo o desenvolvimento de um sistema previsor de carga de sistemas de energia elétrica baseado no uso de redes neurais artificiais. A previsão de carga tem sido um assunto abordado há muito tempo. Neste sentido, por certo, pode-se afirmar que a literatura técnica atingiu um alto grau de evolução nesta área do conhecimento. Contudo, observa-se que há, ainda, um longo caminho para explorá-la tendo vista às necessidades de atendimento a um setor que evolui constantemente, em especial, aos atuais e aos futuros sistemas elétricos chamados smart grids. Para a realização do planejamento e da operação destes sistemas, várias ações devem ser realizadas: a inserção de modernas tecnologias, uso intenso de dispositivos e de equipamentos eletrônicos, processamento de sinais, inteligência computacional, sistemas de comunicação eficientes, análise e monitoramento das grandezas elétricas, entre outras funções especializadas. Estas ações fazem-se necessárias para tornar exequível o conhecimento do estado do sistema, em regime permanente e, principalmente, em razão da existência de distúrbios elétricos que não são controláveis (manobras acidentais de equipamentos elétricos, acidentes, descargas atmosféricas etc.). Para realizar estas ações, é impreterível o desenvolvimento de metodologias em caráter antecipatório. O principal e indispensável agente antecipatório refere-se à estimação (previsão) de carga futura. A partir do conhecimento de carga futura, pode ser desenvolvida uma série de estudos elétricos (apuração das informações sobre a quantidade de geração necessária para atender a demanda, considerando-se um horizonte predefinido, fluxo de potência, análise de estabilidade, entre outros estudos). Considerando-se que, também, observa-se, na atualidade, um grande desenvolvimento de técnicas para síntese e para a análise de sistemas, em termos de eficiência, precisão e rapidez na obtenção de respostas, é plausível imaginar que o tempo correspondente à execução destas rotinas, ainda em caráter antecipatório, pode se aproximar bastante do tempo real. Assim sendo, nesta pesquisa, dedicar-se-ão os esforços visando contribuir em três ações principais: (1) melhor conhecimento e interpretação das informações contidas na base de dados históricos; (2) explorar a máxima capacidade de realização da rede neural e (3) combinar estes dois objetivos com vistas a proporcionar uma previsão considerando-se um tempo mais próximo do tempo real. Neste sentido, deve-se ressaltar que o tempo futuro, com a máxima aproximação do tempo presente, é bastante crucial, pois à medida que se aproxima do tempo real, perde-se cada vez mais a influência das informações sobre os dados históricos. Neste caso, devem-se contemplar, primordialmente, as medidas advindas do sistema de aquisição de dados. Para a realização deste sistema previsor, usar-se-á uma rede neural da família ART (Adaptive Resonance Theory), mais especificamente a arquitetura supervisionada ARTMAP-Fuzzy. Estas redes neurais têm-se mostrado bastante eficientes, rápidas e versáteis à inclusão de inovações em decorrência de serem arquiteturas estáveis e plásticas, as quais são propriedades diferenciais em relação a outras arquiteturas neurais disponíveis na literatura. A plasticidade constitui-se numa propriedade que possibilita a inclusão das medidas fornecidas pelo sistema de aquisição de dados, cuja idealização pode ser implantada por meio da proposição de uma rotina de treinamento continuado. Visando testar a metodologia proposta, apresenta-se uma aplicação tomando-se como exemplo, uma base de dados disponibilizada por uma empresa internacional do setor elétrico.