Previsão de demanda de energia elétrica por meio de redes neurais artificiais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2005 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/4963 |
Resumo: | Este estudo propõe um método alternativo para a previsão de demanda de energia elétrica, através do desenvolvimento de um modelo de estimação baseado em redes neurais artificiais. Tal método ainda é pouco usado na estimativa de demanda de energia elétrica, mas tem se mostrado promissor na resolução de problemas que envolvem sistemas de potência. Aqui são destacados os principais fatores que devem pautar a modelagem de um sistema baseada em redes neurais artificiais, que são: seleção das variáveis de entrada; quantidade de variáveis; arquitetura da rede; treinamento; previsão da saída. O modelo ora apresentado foi desenvolvido a partir de uma amostra de 125 municípios do Estado do Rio Grande do Sul (Brasil), nos anos de 1999 a 2002. Como variáveis de entrada, foram selecionados a temperatura ambiente (média e desvio-padrão anual), a umidade relativa do ar (média e desvio-padrão anual), o PIB anual e a população anual de cada município incluído na amostra. Para validar a proposta apresentada, são mostrados resultados baseados nas simulações com o modelo proposto. |
id |
URGS_955fad1eee43e87395c68366a3d1f4fe |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/4963 |
network_acronym_str |
URGS |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
repository_id_str |
1853 |
spelling |
Araújo, Milton Aluísio GamboaBecker, Joao Luiz2007-06-06T17:41:27Z2005http://hdl.handle.net/10183/4963000507113Este estudo propõe um método alternativo para a previsão de demanda de energia elétrica, através do desenvolvimento de um modelo de estimação baseado em redes neurais artificiais. Tal método ainda é pouco usado na estimativa de demanda de energia elétrica, mas tem se mostrado promissor na resolução de problemas que envolvem sistemas de potência. Aqui são destacados os principais fatores que devem pautar a modelagem de um sistema baseada em redes neurais artificiais, que são: seleção das variáveis de entrada; quantidade de variáveis; arquitetura da rede; treinamento; previsão da saída. O modelo ora apresentado foi desenvolvido a partir de uma amostra de 125 municípios do Estado do Rio Grande do Sul (Brasil), nos anos de 1999 a 2002. Como variáveis de entrada, foram selecionados a temperatura ambiente (média e desvio-padrão anual), a umidade relativa do ar (média e desvio-padrão anual), o PIB anual e a população anual de cada município incluído na amostra. Para validar a proposta apresentada, são mostrados resultados baseados nas simulações com o modelo proposto.application/pdfporSistemas de informaçãoModelo de previsãoRedes neurais artificiaisEstudo de casoPrevisão de demanda de energia elétrica por meio de redes neurais artificiaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulEscola de AdministraçãoPrograma de Pós-Graduação em AdministraçãoPorto Alegre, BR-RS2005mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000507113.pdf000507113.pdfTexto completoapplication/pdf1625448http://www.lume.ufrgs.br/bitstream/10183/4963/1/000507113.pdfc624d1924eec2ef09327e8efd5954372MD51TEXT000507113.pdf.txt000507113.pdf.txtExtracted Texttext/plain179991http://www.lume.ufrgs.br/bitstream/10183/4963/2/000507113.pdf.txt1b85016739f9f06f9da8043bb25e6bffMD52THUMBNAIL000507113.pdf.jpg000507113.pdf.jpgGenerated Thumbnailimage/jpeg1112http://www.lume.ufrgs.br/bitstream/10183/4963/3/000507113.pdf.jpg48240ef246179ef0957027b675dba099MD5310183/49632018-10-16 09:05:29.761oai:www.lume.ufrgs.br:10183/4963Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532018-10-16T12:05:29Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Previsão de demanda de energia elétrica por meio de redes neurais artificiais |
title |
Previsão de demanda de energia elétrica por meio de redes neurais artificiais |
spellingShingle |
Previsão de demanda de energia elétrica por meio de redes neurais artificiais Araújo, Milton Aluísio Gamboa Sistemas de informação Modelo de previsão Redes neurais artificiais Estudo de caso |
title_short |
Previsão de demanda de energia elétrica por meio de redes neurais artificiais |
title_full |
Previsão de demanda de energia elétrica por meio de redes neurais artificiais |
title_fullStr |
Previsão de demanda de energia elétrica por meio de redes neurais artificiais |
title_full_unstemmed |
Previsão de demanda de energia elétrica por meio de redes neurais artificiais |
title_sort |
Previsão de demanda de energia elétrica por meio de redes neurais artificiais |
author |
Araújo, Milton Aluísio Gamboa |
author_facet |
Araújo, Milton Aluísio Gamboa |
author_role |
author |
dc.contributor.author.fl_str_mv |
Araújo, Milton Aluísio Gamboa |
dc.contributor.advisor1.fl_str_mv |
Becker, Joao Luiz |
contributor_str_mv |
Becker, Joao Luiz |
dc.subject.por.fl_str_mv |
Sistemas de informação Modelo de previsão Redes neurais artificiais Estudo de caso |
topic |
Sistemas de informação Modelo de previsão Redes neurais artificiais Estudo de caso |
description |
Este estudo propõe um método alternativo para a previsão de demanda de energia elétrica, através do desenvolvimento de um modelo de estimação baseado em redes neurais artificiais. Tal método ainda é pouco usado na estimativa de demanda de energia elétrica, mas tem se mostrado promissor na resolução de problemas que envolvem sistemas de potência. Aqui são destacados os principais fatores que devem pautar a modelagem de um sistema baseada em redes neurais artificiais, que são: seleção das variáveis de entrada; quantidade de variáveis; arquitetura da rede; treinamento; previsão da saída. O modelo ora apresentado foi desenvolvido a partir de uma amostra de 125 municípios do Estado do Rio Grande do Sul (Brasil), nos anos de 1999 a 2002. Como variáveis de entrada, foram selecionados a temperatura ambiente (média e desvio-padrão anual), a umidade relativa do ar (média e desvio-padrão anual), o PIB anual e a população anual de cada município incluído na amostra. Para validar a proposta apresentada, são mostrados resultados baseados nas simulações com o modelo proposto. |
publishDate |
2005 |
dc.date.issued.fl_str_mv |
2005 |
dc.date.accessioned.fl_str_mv |
2007-06-06T17:41:27Z |
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/10183/4963 |
dc.identifier.nrb.pt_BR.fl_str_mv |
000507113 |
url |
http://hdl.handle.net/10183/4963 |
identifier_str_mv |
000507113 |
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.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
collection |
Biblioteca Digital de Teses e Dissertações da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/4963/1/000507113.pdf http://www.lume.ufrgs.br/bitstream/10183/4963/2/000507113.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/4963/3/000507113.pdf.jpg |
bitstream.checksum.fl_str_mv |
c624d1924eec2ef09327e8efd5954372 1b85016739f9f06f9da8043bb25e6bff 48240ef246179ef0957027b675dba099 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
lume@ufrgs.br||lume@ufrgs.br |
_version_ |
1810085046289170432 |