Previsão de demanda de energia elétrica utilizando inteligência artificial

Detalhes bibliográficos
Autor(a) principal: Drebes, Felipe
Data de Publicação: 2020
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD)
Texto Completo: http://hdl.handle.net/10737/3064
Resumo: A previsão da demanda de energia elétrica é imprescindível para o planejamento e a operação do sistema elétrico, visto que através dela que é determinado o horário e a quantidade de geração que precisa ser injetada no sistema, para atender a carga sem interrupções no fornecimento de energia, como também otimizar os horários em que as fontes de geração de energia elétrica entram em operação. Com isto, este trabalho apresenta uma metodologia utilizando a mineração de dados para prever a demanda máxima de energia elétrica em um determinado dia para o sistema da Cooperativa Certel. O processamento de dados foi realizado com o histórico de variáveis climáticas e demanda de energia elétrica nos diferentes meses do ano, com a utilização do software Weka, chegando a respostas satisfatórias no final do processo, com diferença de no máximo 2,5 MW entre o previsto com o real o que representa 3% de erro.
id UVAT_86df164915519ba70def7cd516766f73
oai_identifier_str oai:univates.br:10737/3064
network_acronym_str UVAT
network_name_str Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD)
repository_id_str 1
spelling Stypulkowski, Yuri Solishttp://lattes.cnpq.br/2353733126001790Drebes, Felipe2021-09-10T21:37:23Z2021-09-10T21:37:23Z2020-112020-12-03A previsão da demanda de energia elétrica é imprescindível para o planejamento e a operação do sistema elétrico, visto que através dela que é determinado o horário e a quantidade de geração que precisa ser injetada no sistema, para atender a carga sem interrupções no fornecimento de energia, como também otimizar os horários em que as fontes de geração de energia elétrica entram em operação. Com isto, este trabalho apresenta uma metodologia utilizando a mineração de dados para prever a demanda máxima de energia elétrica em um determinado dia para o sistema da Cooperativa Certel. O processamento de dados foi realizado com o histórico de variáveis climáticas e demanda de energia elétrica nos diferentes meses do ano, com a utilização do software Weka, chegando a respostas satisfatórias no final do processo, com diferença de no máximo 2,5 MW entre o previsto com o real o que representa 3% de erro.The forecast of the demand for electric energy is essential for the planning and operation of the electric system, since it is through it that the time and the amount of generation that needs to be injected into the system are determined, to meet the load without interruptions in the energy supply, as well as optimize the times when the sources of electric power generation come into operation. With this, this work presents a methodology using data mining to predict the maximum demand for electricity on a given day for the Certel Cooperative system. The data processing was carried out with the history of climatic variables and electricity demand in the different months of the year, using the Weka software, reaching satisfactory responses in the final process, with a difference of at most 2.5 MW between the predicted with the real which represents 3% error.-1DREBES, Felipe. Previsão de demanda de energia elétrica utilizando inteligência artificial. 2020. Monografia (Graduação em Engenharia Elétrica) – Universidade do Vale do Taquari - Univates, Lajeado, 03 dez. 2020. Disponível em: http://hdl.handle.net/10737/3064. http://hdl.handle.net/10737/3064http://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccessENGMineração de dadosPrevisão de demandaWekaGeraçãoEstatística meteorológicaData miningDemand forecastingGenerationMeteorological statisticsPrevisão de demanda de energia elétrica utilizando inteligência artificialinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisporreponame:Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD)instname:Centro Universitário Univates (UNIVATES)instacron:UNIVATESORIGINAL2020FelipeDrebes.pdf2020FelipeDrebes.pdfapplication/pdf1950848https://www.univates.br/bdu/bitstreams/fc294d79-3ef7-437b-9282-8dee2bf01c42/downloadf1d6d9e5541be0276474a8a480c0af84MD51CC-LICENSElicense_urllicense_urltext/plain46https://www.univates.br/bdu/bitstreams/0259d672-bb1f-4f4f-9ad3-2799e66985c4/download486e70aa6e7b0271de4953c01c4283fdMD52license_textlicense_texttext/html; charset=utf-80https://www.univates.br/bdu/bitstreams/17e88c29-e59a-4587-aa25-1b8e7bb1fe40/downloadd41d8cd98f00b204e9800998ecf8427eMD53license_rdflicense_rdfapplication/rdf+xml; charset=utf-80https://www.univates.br/bdu/bitstreams/3ea6cf1f-be1c-4d57-9e43-782c2eb33d0b/downloadd41d8cd98f00b204e9800998ecf8427eMD54LICENSElicense.txtlicense.txttext/plain4596https://www.univates.br/bdu/bitstreams/731d08e1-f110-4206-8eea-a91a7ab3872e/download45783b7017abffc8c7216a53524a7821MD55TEXT2020FelipeDrebes.pdf.txt2020FelipeDrebes.pdf.txtExtracted texttext/plain103206https://www.univates.br/bdu/bitstreams/da5f214e-8144-4da5-b751-bdcd66225287/download67a7a9ce01a883d3b8ecb6a4360ea871MD510THUMBNAIL2020FelipeDrebes.pdf.jpg2020FelipeDrebes.pdf.jpgGenerated Thumbnailimage/jpeg4237https://www.univates.br/bdu/bitstreams/9336e284-dff1-4f58-a30f-514abee9aaa6/downloaddea6fafdf401c24ab2e0729327c27cb1MD51110737/30642023-06-23 10:53:19.906http://creativecommons.org/licenses/by-nc/4.0/openAccessoai:univates.br:10737/3064https://www.univates.br/bduRepositório InstitucionalPRIhttp://www.univates.br/bdu_oai/requestopendoar:12023-06-23T10:53:19Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) - Centro Universitário Univates (UNIVATES)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
dc.title.pt_BR.fl_str_mv Previsão de demanda de energia elétrica utilizando inteligência artificial
title Previsão de demanda de energia elétrica utilizando inteligência artificial
spellingShingle Previsão de demanda de energia elétrica utilizando inteligência artificial
Drebes, Felipe
ENG
Mineração de dados
Previsão de demanda
Weka
Geração
Estatística meteorológica
Data mining
Demand forecasting
Generation
Meteorological statistics
title_short Previsão de demanda de energia elétrica utilizando inteligência artificial
title_full Previsão de demanda de energia elétrica utilizando inteligência artificial
title_fullStr Previsão de demanda de energia elétrica utilizando inteligência artificial
title_full_unstemmed Previsão de demanda de energia elétrica utilizando inteligência artificial
title_sort Previsão de demanda de energia elétrica utilizando inteligência artificial
author Drebes, Felipe
author_facet Drebes, Felipe
author_role author
dc.contributor.advisor1.fl_str_mv Stypulkowski, Yuri Solis
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/2353733126001790
dc.contributor.author.fl_str_mv Drebes, Felipe
contributor_str_mv Stypulkowski, Yuri Solis
dc.subject.cnpq.fl_str_mv ENG
topic ENG
Mineração de dados
Previsão de demanda
Weka
Geração
Estatística meteorológica
Data mining
Demand forecasting
Generation
Meteorological statistics
dc.subject.por.fl_str_mv Mineração de dados
Previsão de demanda
Weka
Geração
Estatística meteorológica
Data mining
Demand forecasting
Generation
Meteorological statistics
description A previsão da demanda de energia elétrica é imprescindível para o planejamento e a operação do sistema elétrico, visto que através dela que é determinado o horário e a quantidade de geração que precisa ser injetada no sistema, para atender a carga sem interrupções no fornecimento de energia, como também otimizar os horários em que as fontes de geração de energia elétrica entram em operação. Com isto, este trabalho apresenta uma metodologia utilizando a mineração de dados para prever a demanda máxima de energia elétrica em um determinado dia para o sistema da Cooperativa Certel. O processamento de dados foi realizado com o histórico de variáveis climáticas e demanda de energia elétrica nos diferentes meses do ano, com a utilização do software Weka, chegando a respostas satisfatórias no final do processo, com diferença de no máximo 2,5 MW entre o previsto com o real o que representa 3% de erro.
publishDate 2020
dc.date.submitted.none.fl_str_mv 2020-12-03
dc.date.issued.fl_str_mv 2020-11
dc.date.accessioned.fl_str_mv 2021-09-10T21:37:23Z
dc.date.available.fl_str_mv 2021-09-10T21:37:23Z
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.citation.fl_str_mv DREBES, Felipe. Previsão de demanda de energia elétrica utilizando inteligência artificial. 2020. Monografia (Graduação em Engenharia Elétrica) – Universidade do Vale do Taquari - Univates, Lajeado, 03 dez. 2020. Disponível em: http://hdl.handle.net/10737/3064.
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10737/3064
identifier_str_mv DREBES, Felipe. Previsão de demanda de energia elétrica utilizando inteligência artificial. 2020. Monografia (Graduação em Engenharia Elétrica) – Universidade do Vale do Taquari - Univates, Lajeado, 03 dez. 2020. Disponível em: http://hdl.handle.net/10737/3064.
url http://hdl.handle.net/10737/3064
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc/4.0/
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD)
instname:Centro Universitário Univates (UNIVATES)
instacron:UNIVATES
instname_str Centro Universitário Univates (UNIVATES)
instacron_str UNIVATES
institution UNIVATES
reponame_str Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD)
collection Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD)
bitstream.url.fl_str_mv https://www.univates.br/bdu/bitstreams/fc294d79-3ef7-437b-9282-8dee2bf01c42/download
https://www.univates.br/bdu/bitstreams/0259d672-bb1f-4f4f-9ad3-2799e66985c4/download
https://www.univates.br/bdu/bitstreams/17e88c29-e59a-4587-aa25-1b8e7bb1fe40/download
https://www.univates.br/bdu/bitstreams/3ea6cf1f-be1c-4d57-9e43-782c2eb33d0b/download
https://www.univates.br/bdu/bitstreams/731d08e1-f110-4206-8eea-a91a7ab3872e/download
https://www.univates.br/bdu/bitstreams/da5f214e-8144-4da5-b751-bdcd66225287/download
https://www.univates.br/bdu/bitstreams/9336e284-dff1-4f58-a30f-514abee9aaa6/download
bitstream.checksum.fl_str_mv f1d6d9e5541be0276474a8a480c0af84
486e70aa6e7b0271de4953c01c4283fd
d41d8cd98f00b204e9800998ecf8427e
d41d8cd98f00b204e9800998ecf8427e
45783b7017abffc8c7216a53524a7821
67a7a9ce01a883d3b8ecb6a4360ea871
dea6fafdf401c24ab2e0729327c27cb1
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) - Centro Universitário Univates (UNIVATES)
repository.mail.fl_str_mv
_version_ 1801842382493188096