Abordagem neurofuzzy para previsão de demanda de energia elétrica no curtíssimo prazo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2010 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | http://www.teses.usp.br/teses/disponiveis/18/18153/tde-15092010-102430/ |
Resumo: | Uma vez que sistemas de inferência neuro-fuzzy adaptativos são aproximadores universais que podem ser usados em aplicações de aproximação de funções e de previsão, este trabalho tem por objetivo determinar seus melhores parâmetros e suas melhores arquiteturas com o propósito de se executar previsão de demanda de energia elétrica no curtíssimo prazo em subestações de distribuição. Isto pode possibilitar o desenvolvimento de controles automáticos de carga mais eficientes para sistemas elétricos de potência. As entradas do sistema são séries temporais de demanda de energia elétrica, compostas por dados mensurados em intervalos de cinco minutos ao longo de sete dias em subestações localizadas em cidades do interior do estado de São Paulo. Diversas configurações de entrada e diferentes arquiteturas foram examinadas para se fazer a previsão de um passo a frente. Os resultados do sistema de inferência neuro-fuzzy adaptativo frente às abordagens encontradas na literatura foram promissores. |
id |
USP_8105d191e9afbde9e37efd921a0f0d76 |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-15092010-102430 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Abordagem neurofuzzy para previsão de demanda de energia elétrica no curtíssimo prazoNeurofuzzy approach for very-short term load demand forecastingDemanda de eletricidadeLoad demandNeuro-fuzzy systemPrevisão de curtíssimo prazoSistemas neuro-fuzzyVery short-term forecastingUma vez que sistemas de inferência neuro-fuzzy adaptativos são aproximadores universais que podem ser usados em aplicações de aproximação de funções e de previsão, este trabalho tem por objetivo determinar seus melhores parâmetros e suas melhores arquiteturas com o propósito de se executar previsão de demanda de energia elétrica no curtíssimo prazo em subestações de distribuição. Isto pode possibilitar o desenvolvimento de controles automáticos de carga mais eficientes para sistemas elétricos de potência. As entradas do sistema são séries temporais de demanda de energia elétrica, compostas por dados mensurados em intervalos de cinco minutos ao longo de sete dias em subestações localizadas em cidades do interior do estado de São Paulo. Diversas configurações de entrada e diferentes arquiteturas foram examinadas para se fazer a previsão de um passo a frente. Os resultados do sistema de inferência neuro-fuzzy adaptativo frente às abordagens encontradas na literatura foram promissores.Since adaptive neuro-fuzzy inference systems are universal approximators that can be used in functions approximation and forecasting applications, this work has the objective to determine their best parameters and best architectures with the purpose to execute very short term load forecasting in distribution substations. This can allow the development of more efficient load automatic control for power systems. The system inputs are load demand time series, which are composed of data measured at each five minutes interval, during seven days, from substations located in cities from São Paulo state countryside. Several input configurations and different architectures were examined to make a prediction aiming one step forecasting. The adaptive neuro-fuzzy inference system results in comparison with other approaches found in literature were promising.Biblioteca Digitais de Teses e Dissertações da USPSilva, Ivan Nunes daAndrade, Luciano Carli Moreira de2010-08-03info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/18/18153/tde-15092010-102430/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2016-07-28T16:10:11Zoai:teses.usp.br:tde-15092010-102430Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212016-07-28T16:10:11Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Abordagem neurofuzzy para previsão de demanda de energia elétrica no curtíssimo prazo Neurofuzzy approach for very-short term load demand forecasting |
title |
Abordagem neurofuzzy para previsão de demanda de energia elétrica no curtíssimo prazo |
spellingShingle |
Abordagem neurofuzzy para previsão de demanda de energia elétrica no curtíssimo prazo Andrade, Luciano Carli Moreira de Demanda de eletricidade Load demand Neuro-fuzzy system Previsão de curtíssimo prazo Sistemas neuro-fuzzy Very short-term forecasting |
title_short |
Abordagem neurofuzzy para previsão de demanda de energia elétrica no curtíssimo prazo |
title_full |
Abordagem neurofuzzy para previsão de demanda de energia elétrica no curtíssimo prazo |
title_fullStr |
Abordagem neurofuzzy para previsão de demanda de energia elétrica no curtíssimo prazo |
title_full_unstemmed |
Abordagem neurofuzzy para previsão de demanda de energia elétrica no curtíssimo prazo |
title_sort |
Abordagem neurofuzzy para previsão de demanda de energia elétrica no curtíssimo prazo |
author |
Andrade, Luciano Carli Moreira de |
author_facet |
Andrade, Luciano Carli Moreira de |
author_role |
author |
dc.contributor.none.fl_str_mv |
Silva, Ivan Nunes da |
dc.contributor.author.fl_str_mv |
Andrade, Luciano Carli Moreira de |
dc.subject.por.fl_str_mv |
Demanda de eletricidade Load demand Neuro-fuzzy system Previsão de curtíssimo prazo Sistemas neuro-fuzzy Very short-term forecasting |
topic |
Demanda de eletricidade Load demand Neuro-fuzzy system Previsão de curtíssimo prazo Sistemas neuro-fuzzy Very short-term forecasting |
description |
Uma vez que sistemas de inferência neuro-fuzzy adaptativos são aproximadores universais que podem ser usados em aplicações de aproximação de funções e de previsão, este trabalho tem por objetivo determinar seus melhores parâmetros e suas melhores arquiteturas com o propósito de se executar previsão de demanda de energia elétrica no curtíssimo prazo em subestações de distribuição. Isto pode possibilitar o desenvolvimento de controles automáticos de carga mais eficientes para sistemas elétricos de potência. As entradas do sistema são séries temporais de demanda de energia elétrica, compostas por dados mensurados em intervalos de cinco minutos ao longo de sete dias em subestações localizadas em cidades do interior do estado de São Paulo. Diversas configurações de entrada e diferentes arquiteturas foram examinadas para se fazer a previsão de um passo a frente. Os resultados do sistema de inferência neuro-fuzzy adaptativo frente às abordagens encontradas na literatura foram promissores. |
publishDate |
2010 |
dc.date.none.fl_str_mv |
2010-08-03 |
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://www.teses.usp.br/teses/disponiveis/18/18153/tde-15092010-102430/ |
url |
http://www.teses.usp.br/teses/disponiveis/18/18153/tde-15092010-102430/ |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
|
dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1815257029921472512 |