1 |
[en] ON ADDRESSING IRREGULARITIES IN ELECTRICITY LOAD TIME-SERIES AND SHORT TERM LOAD FORECASTING / [es] UN SISTEMA INTEGRADO DE MONITORAMIENTO Y PREVISIÓN DE CARGA ELÉCTRICA A CORTO PLAZO / [pt] UM SISTEMA INTEGRADO DE MONITORAÇÃO E PREVISÃO DE CARGA ELÉTRICA DE CURTO PRAZOHELIO FRANCISCO DA SILVA 19 July 2001 (has links)
[pt] As alterações na legislação do Setor de Energia Elétrica
Brasileiro em fins do milênio passado, provocou profundas
mudanças no planejamento da Operação do Sistema e na
Comercialização de energia elétrica no Brasil.
O desmembramento das atividades de geração, de transmissão
e de distribuição de energia elétrica criou novas
características no comportamento dos Agentes
Concessionários e as previsões de demanda por energia
elétrica, que sempre foram ferramenta importante, por
exemplo, na programação da operação, passaram a ser
indispensáveis também, na comercialização de energia
elétrica no mercado livre.
Neste novo cenário, a obtenção e o armazenamento de dados
confiáveis passou a ser parte integrante do patrimônio das
Empresas e um sistema eficiente de previsões de
carga passou a ser um diferencial na mesa de negociações.
Os Agentes concessionários e o Operador Nacional do Sistema
Elétrico vêm fazendo investimentos para aperfeiçoar os seus
sistemas de aquisição de dados, entretanto em
sistemas de multipontos algumas falhas imprevistas durante
a sincronização da telemedição podem ocorrer, provocando
defeitos nas séries.
Nas séries de minuto em minuto, por exemplo, uma falha de
algumas horas acarreta centenas de registros defeituosos e
as principais publicações a respeito de modelagens de
séries temporais para tratamento de dados não abordam as
dificuldades encontradas diante de grandes falhas
consecutivas nos dados. / [en] As a result of the continuing privatization process within
the energy sector,electricity load forecasting is a ritical
tool for decision-making in the Industry.
Reliable forecasts are now needed not only for developing
strategies for business planning and short term operational
scheduling, but also to define the spot market
electricity price. The forecasting process is data-ntensive
and interest has been driven to shorter and shorter
intervals. Large investments are being made in modernizing
and improving metering systems, so as to make more data
available to the forecaster. However, the forecaster is
still faced with irregular time-series.
Gaps, missing values, spurious information or repeated
values in the time-series can result from transmission
errors or small failures in the recording process. These so-
called irregularities have led to research that focused on
either iterative processes,like the Kalman filter and the
EM algorithm, or applications of the statistical literature
on treatment of missing values and outliers. Nevertheless,
these methods often result in large forecast errors when
confronted with consecutive failures in the data.
On the other hand, the minute to minute series have a large
amount of points and so the one day ahead forecast horizont
becomes very large to handling with the conventional
methods. In this context, we propose an alternative to
detect and replace values and present a methodology to
perform the forecasting process by using of other
information in the time-series that relate to the
variability and seasonality, which are commonly encountered
in electricity load-forecasting data.
We illustrate the method and address the problem as part of
a wider project that aims at the development of an
automatic on line system for tracking the Brazilian
Interlinked Electric Network Operation and performing short
term load forecasting.
The data were collected by ONS / ELETROBRAS - Brazil. We
concentrate on 10 minutes data for the years 1997-1999 of
Light Serviços de Eletricidade S.A. (Rio de Janeiro and its
surroundings). / [es] Las alteraciones en la legislación del Sector de Energía
Elétrica Brasilero a finales del milenio pasado, provocó
profundos cambios en el planificación de la Operación del
Sistema y en la Comercialización de energía eléctrica en
Brasil. La desarticulación de las actividades de
generación, de transmisión y de distribuición de energía
eléctrica creó nuevas características en el comportamiento
de los Agentes Concesionarios. Así, las previsiones de
demanda por energía eléctrica, que siempre fueron una
herramienta importante, por ejemplo, en la programación de
la operación, pasaron a ser indispensables también en la
comercialización de energía eléctrica en el mercado libre.
En este nuevo escenario, la obtención y almacenamiento de
datos confiables pasó a ser parte integrante del patrimonio
de las Empresas y un sistema eficiente de previsiones de
carga constituye un diferencial en la mesa de
negociaciones. Los Agentes concesionarios y el Operador
Nacional del Sistema Eléctrico han invertido en el
perfeccionamiento de sus sistemas de adquisición de datos.
Sin embargo, en sistemas de multipuntos algunas fallas
imprevistas durante la sincronización de la telemedición
pueden ocurrir, provocando defectos en las series. En las
series de minuto en minuto, por ejemplo, una falla de
algunas horas trae consigo centenas de registros
defectuosos y las principales publicaciones sobre modelos
de series temporales para tratamiento de datos no abordan
las dificuldades encontradas frente a grandes fallas
consecutivas en los datos.
|
2 |
[en] STUDY OF DATA MINING METHODS APPLIED TO THE FINANCIAL MANAGEMENT OF MUNICIPALITIES / [pt] ESTUDO DE MÉTODOS DE MINERAÇÃO DE DADOS APLICADOS À GESTÃO FAZENDÁRIA DE MUNICÍPIOSWILFREDO MAMANI TICONA 09 October 2018 (has links)
[pt] Os impostos arrecadados pelas prefeituras são revertidos para o bem comum, para investimentos (tais como infraestrutura) e custeio de bens e serviços públicos, como saúde, segurança e educação. A previsão de valores futuros a serem arrecadados é uma das tarefas que as prefeituras têm como desafio. Essa é uma tarefa importante, pois as informações obtidas das previsões são valiosas para dar apoio à decisão com relação ao planejamento estratégico da prefeitura. Sendo assim, a investigação de modelos de previsão de impostos municipais, através de técnicas inteligentes, é de grande importância para a administração municipal. Deste modo, um dos objetivos desta dissertação foi desenvolver dois modelos para previsão de impostos utilizando redes neurais. Um modelo considerando variáveis endógenas e outro
considerando variáveis endógenas e exógenas. Outro grande desafio para as prefeituras são as irregularidades no pagamento de tributos (erro ou fraude), que também prejudica o planejamento estratégico. A fiscalização mensal de todos os contribuintes é uma tarefa impossível de se realizar devido à desproporção entre o número de contribuintes e o reduzido número de agentes fiscais. Assim, a
investigação de métodos baseados em técnicas inteligentes para indicar os possíveis suspeitos de irregularidade, é importante para o desempenho das atividades do agente fiscal. Deste modo, outro objetivo desta dissertação foi desenvolver um modelo visando identificar possíveis suspeitos de
irregularidades no pagamento do ISSQN (Imposto Sobre Serviços de Qualquer Natureza). Os modelos de previsão foram avaliados, com três estudos de caso usando dados do município de Araruama. Para o modelo de previsão utilizando variáveis endógenas utilizou-se dois estudos de caso: o primeiro caso para a
previsão de Receitas da Dívida Ativa e o segundo caso para a previsão de Receitas Tributárias, e um terceiro estudo caso para o modelo de previsão do ISSQN, utilizando variáveis endógenas e exógenas. Essas previsões obtiveram resultados, que se julgam promissores, a despeito dos dados utilizados nos
estudos de caso. Com relação à irregularidade, apesar de não ter sido possível avaliar os resultados obtidos, entende-se que a ferramenta poderá ser utilizada como indicador para novas diligências. / [en] Taxes collected by city halls are reverted towards common welfare; investments (such as infrastructure), and funding of public goods, as services on health, safety and education. The prediction of tax revenues is one of the tasks that have as challenges the city hall. This is an important task; because the information obtained from these predictions are important to support the city halls with relation the strategic planning. Thus, the investigation of prediction models designed for tax revenues through intelligent techniques is of great importance for public administration. One of the goals of this dissertation was to develop two
models to prediction tax revenue using neural networks. The first model was designed considering endogenous variables only. The latter, considered both endogenous and exogenous variables. Another major challenge for city hall are irregularities in the taxes payment (error or fraud), which also affect the strategic planning. A monthly of all taxpayers is an impossible task to accomplish, due to the disproportion between the number of taxpayers and the reduced number of tax agents. Thus, research of methods based on intelligent techniques that indicate possible irregularities, is of great importance for tax agents. This way, another objective of this dissertation was to develop a model to identify possible suspects irregularities in the payment of the ISSQN (tax services of any nature). Prediction models were evaluated with three case studies using data from the city hall of Araruama. For the prediction model using endogenous variable, two case studies we used: (i) active debt revenues prediction, (ii) tax revenues prediction and (iii) ISSQN prediction, the latter using both endogenous and exogenous variables. In spite of the data used in the case studies, the results obtained from modeling are promising. Regarding tax irregularities, even though is not possible to evaluate the obtained results, the developed tool may be used as an indicator for future applications.
|
Page generated in 0.0509 seconds