1 |
[en] A LINEAR-NEURAL HYBRID MODEL FOR ANALYSIS AND FORECASTING OF TIME-SERIES / [pt] MODELO HÍBRIDO LINEAR-NEURAL PARA ANÁLISE E PREVISÃO DE SÉRIES TEMPORAISMARCELO CUNHA MEDEIROS 03 November 2009 (has links)
[pt] Esta dissertação apresenta um modelo não linear auto-regressivo com variáveis exógenas (ARX), para análise e previsão de séries temporais. Os coeficientes do modelo são estimados pela saída de uma rede neural feed-forward, treinada por um algoritmo híbrido de otimização. Os resultados obtidos são comparados tanto com modelos lineares, quanto com não lineares. / [en] This thesis presents a non linear autoregressive model with exogeneous variables (ARX), for time series analysis and forecasting. The coefficients of the model are given by the output of a feed-forward neural network. The results are compared with both linear and non linear models.
|
2 |
[en] DAILY ELECTRICITY FORECASTING IN LOAD LEVELS, COMBINING STATISTICAL AND COMPUTATIONAL INTELLIGENCE TOOLS / [pt] PREVISÃO DA CARGA DE ENERGIA DIÁRIA EM PATAMARES COMBINANDO TÉCNICAS ESTATÍSTICAS E DE INTELIGÊNCIA COMPUTACIONALDOUGLAS ALEXANDER ALVES DE FARIAS 31 March 2009 (has links)
[pt] Esta dissertação apresenta um estudo sobre o comportamento
da carga de
energia agregada em intervalos temporais dentro de um mesmo
dia. Esse tipo de
agregação já vem sendo utilizado no setor elétrico
brasileiro, sob a forma de três
patamares de carga, denominados leve, média e pesada. No
entanto, tais
patamares são sempre obtidos indiretamente, a partir da
agregação da carga
horária, não tendo sido encontrado, até a publicação dessa
dissertação, nenhum
tratamento de forma direta dos mesmos. O trabalho
desenvolvido na dissertação
descreve matematicamente o cálculo dos três patamares de
carga e faz uma
análise das séries dessas variáveis, verificando suas
características próprias,
relações entre si e a influência de variáveis exógenas.
Apresenta, também, a
modelagem de alguns métodos de previsão para essas séries,
empregando técnicas
tanto estatísticas quanto de inteligência computacional e
propõe um modelo
híbrido de previsão, combinando regressão dinâmica,
classificador de padrões,
lógica nebulosa e um método para combinar os padrões. No
modelo proposto, a
regressão dinâmica é empregada na previsão da carga diária
global, usada para
adequar os perfis, descritos de forma normalizada, aos
níveis reais das séries. Os
perfis são obtidos a partir de um classificador de padrões
baseado na técnica
subtractive clustering. A combinação dos perfis, que
compõem a previsão dos
patamares para o horizonte desejado, é feita por um sistema
de lógica nebulosa,
que usa a temperatura como variável de entrada, tratando de
forma intrínseca
relações não lineares entre essas variáveis, e um método
que trata a saída do
sistema nebuloso de forma empírica. / [en] This dissertation presents a study of electricity load
aggregated in time
intervals into the same day. This type of aggregation has
been used by the
Brazilian´s electrical sector in the form of three load
levels called low, middle and
high. However, these load levels were always indirectly
achieved from the hourly
load aggregation, and it was not found any direct treatment
of them as a series up
to this publication. The work developed in this
dissertation describes
mathematically the calculation of the three levels of load
and makes an analysis of
the series formed by these variables checking their own
characteristics, the
relationship among themselves and the influence of
exogenous variables. It also
shows the modeling of some forecast methods for such series
employing
techniques of both statistics in computational
intelligence, introduces the level
profile concept and proposes a hybrid model of forecasting,
formed by dynamic
regression, pattern classification and fuzzy logic, to
predict the load level pattern.
In the proposed model, the dynamic regression is used in
the forecasting of the
daily global load that is used to match the resulting
pattern, described in a
normalized way to the actual load values. The profiles are
obtained from a
classifier based on the subtractive clustering technique.
The combination of the
profiles that compose the level pattern forecast to the
desired horizon is carried
out by a fuzzy logic system that uses the temperature as
input variable
intrinsically treating non-linear relationships between
load level and temperature
variables.
|
3 |
[en] HOURLY LOAD FORECASTING A NEW APPROACH THROUGH DECISION TREE / [pt] PREVISÃO DE CARGA HORÁRIA UMA NOVA ABORDAGEM POR ÁRVORE DE DECISÃOANA PAULA BARBOSA SOBRAL 08 July 2003 (has links)
[pt] A importância da previsão de carga a curto prazo (até uma
semana à frente) em crescido recentemente. Com os processos
de privatização e implantação de ompetição no setor
elétrico brasileiro, a previsão de tarifas de energia vai se
tornar extremamente importante. As previsões das cargas
elétricas são fundamentais para alimentar as ferramentas
analíticas utilizadas na sinalização das tarifas. Em
conseqüência destas mudanças estruturais no setor, a
variabilidade e a não-estacionaridade das cargas elétricas
tendem a aumentar devido à dinâmica dos preços da energia.
Em função das mudanças estruturais do setor elétrico,
previsores mais autônomos são necessários para o novo
cenário que se aproxima.
As ferramentas disponíveis no mercado internacional para
previsão de carga elétrica requerem uma quantidade
significativa de informações on-line, principalmente no que
se refere a dados meteorológicos. Como a realidade
brasileira ainda não permite o acesso a essas informações
será proposto um previsor de carga para o curto-prazo,
considerando restrições na aquisição dos dados de
temperatura.
Logo, tem-se como proposta um modelo de previsão de carga
horária de curto prazo (um dia a frente) empregando dados
de carga elétrica e dados meteorológicos (temperatura)
através de modelos de árvore de decisão. Decidiu-se
pelo modelo de árvore de decisão, pois este modelo além de
apresentar uma grande facilidade de interpretação dos
resultados, apresenta pouquíssima ênfase em sua utilização
na área de previsão de carga elétrica. / [en] The importance of load forecasting for the short term (up
to one-week ahead) has been steadily growing in the last
years. Load forecasts are the basis for the forecasting of
energy prices, and the privatisation, and the introduction
of competitiveness in the Brazilian electricity sector,
have turned price forecasting into an extremely important
task.
As a consequence of structural changes in the electricity
sector, the variability and the non-stationarity of the
electrical loads have tended to increase, because of the
dynamics of the energy prices. As a consequence of these
structural changes, new forecasting methods are needed to
meet the new scenarios.
The tools that are available for load forecasting in the
international market require a large amount of online
information, specially information about weather data.
Since this information is not yet readily available in
Brazil, this thesis proposes a short-term load forecaster
that takes into consideration the restrictions in the
acquisition of temperature data.
A short-term (one-day ahead) forecaster of hourly loads is
proposed that combines load data and weather data
(temperature), by means of decision tree models. Decision
trees were chosen because those models, despite being easy
to interpret, have been very rarely used for load
forecasting.
|
4 |
[en] VERY SHORT TERM LOAD FORECASTING IN THE NEW BRAZILIAN ELECTRICAL SCENARIO / [es] PREVISIÓN DE CARGA A CORTÍSIMO PLAZO EN EL NUEVO ESCENARIO ELÉCTRICO BRASILERO / [pt] PREVISÃO DE CARGA DE CURTÍSSIMO PRAZO NO NOVO CENÁRIO ELÉTRICO BRASILEIROGUILHERME MARTINS RIZZO 19 July 2001 (has links)
[pt] Nesta dissertação é proposto um modelo híbrido para
previsão de carga de curtíssimo prazo, combinando
amortecimento exponencial simples e redes neurais
artificiais do topo feed-forward. O modelo fornece
previsões pontuais e limites superiores e inferiores para um
horizonte de quinze dias. Estes limites formam um intervalo
ao qual pode ser associado um nível de confiança empírico,
estimado através de um teste fora da amostra. O desempenho
do modelo é avaliado ao longo de uma simulação realizada
com dados reais de duas concessionárias de energia elétrica
brasileiras. / [en] This thesis presents an hibrid short term load forecasting
model that mixes simple exponential smoothing with feed-
forward neural networks. The model gives point predictions
with upper and lower limits for 15-day-ahead horizon. These
limits yields an interval with associated empirical
confidence level, estimated by an out of sample test. The
model's performance is evaluated through a simulation with
real data obtained from two Brazilian utilities. / [es] En esta disertación se propone un modelo híbrido para
previsión de carga de cortísimo plazo, combinando
amortecimiento exponencial simple y redes neurales
artificiales tipo feed-forward. EL modelo nos da las
previsiones puntuales y los límites superiores e inferiores
para un horizonte de quince días. Estos límites forman un
intervalo al cual se le puede asociar un nível de confianza
empírico, estimado a través de un test out of sample. EL
desempeño del modelo se evalúa utilizando datos reales de
dos concesionarias de energía eléctrica brasileras.
|
5 |
[en] LUACHARM: A HYBRID MODEL USING SCRIPTING LANGUAGES FOR PARALEL PROGRAMMING / [pt] LUACHARM: UM MODELO HÍBRIDO UTILIZANDO LINGUAGENS DE SCRIPT PARA PROGRAMAÇÃO PARALELATHIAGO COSTA PONTE 12 June 2017 (has links)
[pt] Nos últimos anos, as linguagens de script ganharam muita importância em diversas áreas da computação. Uma das áreas onde essas linguagens ainda são pouco exploradas é na área de computação paralela. A computação paralela sempre foi fortemente associada a computação científica, mas recentemente ela ganhou uma nova importância com a popularização de processadores multi-core. Com esse crescimento se torna necessário o surgimento de novos paradigmas de programação paralela para facilitar o desenvolvimento e dinamizar as aplicações, e linguagens de script podem ser usadas para isso, trazendo dinamismo, simplicidade e flexibilidade às aplicações. Esta dissertação visa estudar um modelo híbrido de programação entre duas linguagens de programação, Lua e Charm plus plus. / [en] Recently, scripting languages have become very important in many fields of computer science. One area in which these languages have not been explored is paralel programming. Paralel programming has always been strongly associated with scientific usage, but recently, with the growth in popularity of multi core systems, it has gained a new field of action. With this change, the development of new programming paradigms of paralel programming become necessary in order to make development easier and applications more dynamic. Scripting languages may be used for this, bringing dynamics, flexibility and simplicity to aplications. This dissertation aims to study a hybrid programming model with two programming languages, Charm plus plus and Lua.
|
Page generated in 0.0395 seconds