Previsão de demanda de energia elétrica por meio de redes neurais artificiais

Detalhes bibliográficos
Autor(a) principal: Araújo, Milton Aluísio Gamboa
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