Previsão de curva de carga elétrica usando a rede neural Artmap Fuzzy
Autor(a) principal: | |
---|---|
Data de Publicação: | 2024 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNESP |
Texto Completo: | https://hdl.handle.net/11449/252568 |
Resumo: | A projeção da demanda de energia elétrica representa uma tarefa de extrema relevância, desempenhando um papel crucial na gestão dos sistemas elétricos de potência. Diversas técnicas podem ser aplicadas para previsão de carga, dentre elas, as redes neurais artificiais, que são sistemas de inteligência computacional não lineares inspirados nas redes neurais do cérebro humano. Elas são capazes de reproduzir diversas características humanas, como por exemplo: fazer associações, abstrair informações e aprender com informações que lhes são “ensinadas”. Dessa forma, este trabalho se propõe a explorar e analisar a aplicação da Rede Neural ARTMAP Fuzzy na previsão de curvas de carga elétrica em um cenário real. Para este estudo não foram fornecidos os dados de temperatura, umidade ou quaisquer outros fenômenos que pudessem impactar na previsão da carga. Diferentes intervalos de treinamento e períodos de previsão de curto prazo foram analisados a fim de avaliar o desempenho da metodologia proposta. |
id |
UNSP_83bcf20be554f2b9c636e5897f5cc947 |
---|---|
oai_identifier_str |
oai:repositorio.unesp.br:11449/252568 |
network_acronym_str |
UNSP |
network_name_str |
Repositório Institucional da UNESP |
repository_id_str |
2946 |
spelling |
Previsão de curva de carga elétrica usando a rede neural Artmap FuzzyElectric charge curve prediction using the Artmap Fuzzy neural networkPrevisão de cargaRedes neurais artificiaisTeoria de ressonância adaptativaSistemas elétricos de potênciaLoad forecastArtificial neural networksAdaptive resonance theoryElectrical power systemsA projeção da demanda de energia elétrica representa uma tarefa de extrema relevância, desempenhando um papel crucial na gestão dos sistemas elétricos de potência. Diversas técnicas podem ser aplicadas para previsão de carga, dentre elas, as redes neurais artificiais, que são sistemas de inteligência computacional não lineares inspirados nas redes neurais do cérebro humano. Elas são capazes de reproduzir diversas características humanas, como por exemplo: fazer associações, abstrair informações e aprender com informações que lhes são “ensinadas”. Dessa forma, este trabalho se propõe a explorar e analisar a aplicação da Rede Neural ARTMAP Fuzzy na previsão de curvas de carga elétrica em um cenário real. Para este estudo não foram fornecidos os dados de temperatura, umidade ou quaisquer outros fenômenos que pudessem impactar na previsão da carga. Diferentes intervalos de treinamento e períodos de previsão de curto prazo foram analisados a fim de avaliar o desempenho da metodologia proposta.Projecting electricity demand is an extremely important task and plays a crucial role in the management of power systems. Various techniques can be applied to load forecasting, including artificial neural networks, which are non-linear computer intelligence systems inspired by the neural networks of the human brain. They are capable of reproducing various human characteristics, such as making associations, abstracting information and learning from information that is "taught" to them. In this way, this work aims to explore and analyze the application of the ARTMAP Fuzzy Neural Network in predicting electrical load curves in a real scenario. For this study, no data was provided on temperature, humidity or any other phenomena that could have an impact on load forecasting. Different training intervals and short-term forecast periods were analyzed in order to assess the performance of the proposed methodology.Universidade Estadual Paulista (Unesp)Lopes, Mara Lúcia Martins [UNESP]Souto, Victor Suzuki2024-01-10T13:10:33Z2024-01-10T13:10:33Z2024-01-04info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfSOUTO, Victor Suzuki. Previsão de curva de carga elétrica usando a rede neural Artmap Fuzzy. 2024. 46 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Elétrica) - Faculdade de Engenharia, Universidade Estadual Paulista - Unesp, Ilha Solteira, 2024.https://hdl.handle.net/11449/252568porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-01-11T06:11:16Zoai:repositorio.unesp.br:11449/252568Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T18:13:55.888878Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
Previsão de curva de carga elétrica usando a rede neural Artmap Fuzzy Electric charge curve prediction using the Artmap Fuzzy neural network |
title |
Previsão de curva de carga elétrica usando a rede neural Artmap Fuzzy |
spellingShingle |
Previsão de curva de carga elétrica usando a rede neural Artmap Fuzzy Souto, Victor Suzuki Previsão de carga Redes neurais artificiais Teoria de ressonância adaptativa Sistemas elétricos de potência Load forecast Artificial neural networks Adaptive resonance theory Electrical power systems |
title_short |
Previsão de curva de carga elétrica usando a rede neural Artmap Fuzzy |
title_full |
Previsão de curva de carga elétrica usando a rede neural Artmap Fuzzy |
title_fullStr |
Previsão de curva de carga elétrica usando a rede neural Artmap Fuzzy |
title_full_unstemmed |
Previsão de curva de carga elétrica usando a rede neural Artmap Fuzzy |
title_sort |
Previsão de curva de carga elétrica usando a rede neural Artmap Fuzzy |
author |
Souto, Victor Suzuki |
author_facet |
Souto, Victor Suzuki |
author_role |
author |
dc.contributor.none.fl_str_mv |
Lopes, Mara Lúcia Martins [UNESP] |
dc.contributor.author.fl_str_mv |
Souto, Victor Suzuki |
dc.subject.por.fl_str_mv |
Previsão de carga Redes neurais artificiais Teoria de ressonância adaptativa Sistemas elétricos de potência Load forecast Artificial neural networks Adaptive resonance theory Electrical power systems |
topic |
Previsão de carga Redes neurais artificiais Teoria de ressonância adaptativa Sistemas elétricos de potência Load forecast Artificial neural networks Adaptive resonance theory Electrical power systems |
description |
A projeção da demanda de energia elétrica representa uma tarefa de extrema relevância, desempenhando um papel crucial na gestão dos sistemas elétricos de potência. Diversas técnicas podem ser aplicadas para previsão de carga, dentre elas, as redes neurais artificiais, que são sistemas de inteligência computacional não lineares inspirados nas redes neurais do cérebro humano. Elas são capazes de reproduzir diversas características humanas, como por exemplo: fazer associações, abstrair informações e aprender com informações que lhes são “ensinadas”. Dessa forma, este trabalho se propõe a explorar e analisar a aplicação da Rede Neural ARTMAP Fuzzy na previsão de curvas de carga elétrica em um cenário real. Para este estudo não foram fornecidos os dados de temperatura, umidade ou quaisquer outros fenômenos que pudessem impactar na previsão da carga. Diferentes intervalos de treinamento e períodos de previsão de curto prazo foram analisados a fim de avaliar o desempenho da metodologia proposta. |
publishDate |
2024 |
dc.date.none.fl_str_mv |
2024-01-10T13:10:33Z 2024-01-10T13:10:33Z 2024-01-04 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
SOUTO, Victor Suzuki. Previsão de curva de carga elétrica usando a rede neural Artmap Fuzzy. 2024. 46 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Elétrica) - Faculdade de Engenharia, Universidade Estadual Paulista - Unesp, Ilha Solteira, 2024. https://hdl.handle.net/11449/252568 |
identifier_str_mv |
SOUTO, Victor Suzuki. Previsão de curva de carga elétrica usando a rede neural Artmap Fuzzy. 2024. 46 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Elétrica) - Faculdade de Engenharia, Universidade Estadual Paulista - Unesp, Ilha Solteira, 2024. |
url |
https://hdl.handle.net/11449/252568 |
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_ |
1808128909158383616 |