Spelling suggestions: "subject:"energia elétrica – aprodução"" "subject:"energia elétrica – ntrodução""
101 |
Previsão de carga de curto prazo usando ensembles de previsores selecionados e evoluidos por algoritmos geneticos / Short-term load forecasting using esembles of selected and evolved predictors by genetic algorithmsLeone Filho, Marcos de Almeida 31 January 2006 (has links)
Orientador: Takaaki Ohishi / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-08T10:06:35Z (GMT). No. of bitstreams: 1
LeoneFilho_MarcosdeAlmeida_M.pdf: 1557959 bytes, checksum: 92dc63d4e3140cc61ba7900961c0e9fb (MD5)
Previous issue date: 2006 / Resumo: Neste trabalho é proposta uma metodologia para previsão de séries temporais de carga de energia elétrica de curto prazo. Esta metodologia vem sendo muito utilizada no contexto da previsão de séries temporais e do reconhecimento de padrões. Os autores que propuseram esta metodologia a chamaram de "Ensembles". Este nome tenta explicar o é este modelo: uma combinação de partes que juntas formam um só modelo. Neste sentido, este nome expressa com relativa clareza qual é o principal aspecto desta metodologia, que no caso específico deste trabalho, é o de fazer várias previsões de uma mesma série temporal utilizando diferentes ferramentas que sozinhas são suficientemente competentes para prever a série temporal em questão, e em seguida combinar as soluções para, deste modo, tentar obter uma solução melhor do que quando é usada somente uma ferramenta. As ferramentas usadas para compor a previsão dos "Ensembles" finais são Redes Neurais Artificiais (RNAs) e Redes Neurais Nebulosas. Atualmente, estas redes são largamente utilizadas em problemas de previsão de séries temporais, principalmente quando o fator gerador destas séries é um sistema não-linear. Desta forma, isto as tornou candidatas potenciais para prever valores de uma série de cargas de energia elétrica, pois este tipo de série tem características essencialmente não-lineares. Sendo assim, foram utilizados quatro tipos de redes: RNAs MLPs, RNAs Recorrentes, RNAs de Base Radial e Redes Neurais Nebulosas tipo ANFIS. Com os modelos básicos de redes foram, utilizados Algoritmos Genéticos para evoluir os parâmetros destas redes e, assim, chegar a uma população de redes suficientemente competentes para fazer as previsões da série de cargas. Na próxima etapa, com os resultados das previsões da população de redes evoluídas foi feita a seleção dos melhores agrupamentos destas redes evoluídas e, como este processo requer a avaliação de diferentes configurações de modelos, esta seleção é baseada em Algoritmos Genéticos.Os resultados obtidos ao se utilizar "ensembles" mostraram que este modelo foi capaz de alcançar uma grande robustez na previsão, reduzindo os erros de previsão, suavizando os resultados de previsão e deixando o modelo menos suscetível a grandes erros quando surgem "outliers" no conjunto de dados / Abstract: This work proposes a methodology for short-term electric power load forecasting. This methodology is being widely used under the context of time series prediction and pattern recognition. It was named "ensembles" by the authors who developed it. This name carries the meaning of an assemblage of parts considered as forming a whole. Therefore, this name expresses rather clearly the main characteristic of this methodology, which under the framework of this study is to make several predictions of the same time series using various different tools in which every single one alone is sufficiently competent to predict the above mentioned time series. After that, the predictions are combined in order to achieve a better prediction compared to the one that is obtained if a single predictor is used. The tools implemented to form the final "ensembles" prediction are Artificial Neural Networks (ANNs) and Neuro-fuzzy Networks. Nowadays, these networks are being widely used in time series predictions problems, mainly when the factor that generates these series is a non-linear system. Hence, this fact has elected them as potential candidates to predict future values of an electric power load series because this series has essentially non-linear characteristics. As a result, four types of networks were utilized in this work: MLPs ANNs, Recurrent ANNs, Radial Basis ANNs and ANFIS type Neuro-fuzzy networks. So, with the basic networks models, Genetic Algorithms were applied to evolve the parameters of these networks and, as a consequence, a population of networks sufficiently capable of predicting future values of the load time series was built. On the next step, with the results obtained from the evolved population of networks, a selection of the most suitable results of the individual networks were made and, as soon as this process implies the evaluation of multiple different combinations of models, this methodology was based on Genetic Algorithms. Then, this selected networks were combined. The results when using "ensembles" revealed that this model was able to reach a great robustness in prediction tasks. In that sense, it was possible to reduce the level of prediction error, to smooth the resulting predictions and to make the model more stable reducing the possibilities of presenting high levels of errors when the used data set contains "outliers" / Mestrado / Energia Eletrica / Mestre em Engenharia Elétrica
|
102 |
Metodos analiticos para analise de geradores de indução conectados em redes de distribuição de energia eletrica / Analytical methods for analysis of induction generators connected to eletric power distribution systemsPavani, Ahda Pionkoski Grilo 21 May 2008 (has links)
Orientador: Walmir de Freitas Filho / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-11T01:48:23Z (GMT). No. of bitstreams: 1
Pavani_AhdaPionkoskiGrilo_D.pdf: 1263424 bytes, checksum: a9bc6ef797b8137921a5148c04dc44f7 (MD5)
Previous issue date: 2008 / Resumo: Esta tese apresenta o desenvolvimento de diversos métodos analíticos para análise de geradores de indução com rotor em gaiola de esquilo conectados em redes de distribuição de energia elétrica. Foram desenvolvidas metodologias para investigar as seguintes questões técnicas: análise de estabilidade de geradores de indução frente a grandes perturbações; análise de estabilidade de geradores de indução frente a pequenas perturbações; determinação dos valores ótimos dos resistores utilizados por diferentes técnicas de energização de geradores de indução e determinação das correntes de curto-circuito fornecidas por geradores de indução durante faltas desequilibradas. Os métodos analíticos desenvolvidos foram validados por meio de comparações dos resultados obtidos através da aplicação das fórmulas propostas com aqueles obtidos através de simulações computacionais empregando-se típicos programas de análise de sistemas de potência e/ou testes experimentais. Os resultados obtidos comprovam que os métodos analíticos
propostos são suficientemente precisos para avaliar o comportamento dos geradores de indução com rotor em gaiola de esquilo, reduzindo o esforço usualmente necessário na realização de análise através de simulações computacionais / Abstract: This thesis presents the development of analytical methods for analysis of squirrel-cage induction generators connected to distribution systems. It was developed analytical methods for evaluation of the following technical issues: large-disturbance stability analysis of induction generators; small-disturbance stability analysis of induction generators; determination of optimum resistances employed by energization devices of induction generators and development of formulas to determine the short-circuit currents of induction generators during unbalanced faults. The analytical methods developed were validated by comparing the results obtained by the proposed formulas with those determined by computational simulations employing typical programs of analysis of power systems and/or experimental tests. The results showed that the proposed analytical methods are enough accurate to evaluate the behavior of the squirrel-cage induction generators, reducing the usually necessary effort for analysis by computational simulations / Doutorado / Energia Eletrica / Doutor em Engenharia Elétrica
|
103 |
Programação diária da operação de sistemas termelétricos utilizando algoritmo genético adaptativo e método de pontos interioresMenezes, Roberto Felipe Andrade 26 January 2017 (has links)
Fundação de Apoio a Pesquisa e à Inovação Tecnológica do Estado de Sergipe - FAPITEC/SE / The growth of the electric energy consumption in the last years has generated the need of
the increase in the amount of power sources, making the electricity sector undergo some large
changes. This has provided the search for tools that promotes a better efficiency and security to the
electrical power systems. A planning problem that is considered important in the daily operation
of the power systems is the Unit Commitment, where the time schedule of the operation is
defined, determining which machines will be online or offline, and which are the operating points.
Those units must operate by load variation, respecting the operative and security constraints.
This research proposes the resolution of the problem for the short-term planning, taking a set
of constraints associated with the thermal generation and the power system. Among them, we
can highlight the output power variation constraints of the machines and the security restrictions
of the transmission system, avoided in most Unit Commitment studies. This problem is nonlinear,
mixed-integer and has a large scale. The methodology used involves the utilization of an
Adaptive Genetic Algorithm, for the Unit Commitment problem, and the Interior-Point Primal-
Dual Predictor–Corrector Method, for DC power flow resolution in economic dispatch problem.
Furthemore, this research proposes the implementation of cross-over and mutation operators of
Genetic Algorithm based on a ring methodology applied in Unit Commitment matrix. The results
were obtained through simulations in a mathematical simulation software, using the IEEE test
systems with 30 bus and 9 generators, and another with 24 bus and 26 generators. The validation
of the algorithm was done by comparing the results with other works in the literature. / O crescimento do consumo de energia elétrica nos últimos anos vem gerando a necessidade de um
aumento na quantidade de fontes geradoras, fazendo com que o setor elétrico passe por grandes
mudanças. Isso tem proporcionado a busca por ferramentas que ofereçam maior eficiência
e segurança aos sistemas de potência. Um problema considerado de extrema importância na
operação diária dos sistemas elétricos é o planejamento da Alocação das Unidades Geradoras,
onde define-se a programação horária das unidades do sistema, determinando quais máquinas
deverão estar ligadas ou desligadas, e quais serão seus respectivos pontos de operação. Essas
unidades geradoras devem operar de forma eficaz, mediante a variação da carga, respeitando
restrições operativas e de segurança do sistema. Este trabalho propõe a resolução do problema
para o planejamento de curto prazo, levando em consideração uma série de restrições relacionadas
a geração térmica e ao sistema elétrico. Entre elas, podemos destacar as restrições de variação de
potência de saída das máquinas e as restrições de segurança do sistema de transmissão, evitadas
na maioria dos estudos de Alocação de Unidades Geradoras. Este problema tem característica
não-linear, inteiro-misto e de grande escala. A metodologia utilizada para resolução do problema
envolve a utilização de um Algoritmo Genético Adaptativo, para Alocação das Unidades, e
o Método de Pontos Interiores Primal-Dual Preditor-Corretor, para a resolução do Fluxo de
Potência Ótimo DC no problema do Despacho Econômico. Além disso, este trabalho propõe
a implementação dos operadores de cross-over e mutação do Algoritmo Genético com base
em uma metodologia anelar aplicada na matriz de alocação de unidades. Os resultados foram
obtidos através de simulações em um software de simulação matemática, utilizando os sistemas
testes do IEEE de 30 barras com 9 geradores e 24 barras com 26 geradores, e a validação do
algoritmo foi feita comparando os resultados obtidos com os outros trabalhos da literatura.
|
Page generated in 0.0749 seconds