[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.

[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.

[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.

[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.

[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.

La necesidad de conocer con suficiente tiempo de antelación los caudales futuros en ríos donde se asientan grandes ciudades e industrias es común en todas partes del mundo. Existen diversas metodologías que permiten resolver este problema, cada una con sus pros y sus contras. El acople y la comparación entre varios modelos de predicción de diferentes características es fundamental a la hora de analizar la situación futura en un caso de alerta, donde es necesario tomar decisiones trascendentales. En esta tesis se ha realizado una intensa revisión bibliográfica sobre los modelos de predicción con Redes Neuronales Artificiales (RNA) para conocer el estado del arte de esta metodología y, a partir de ese punto, proponer y estudiar mejoras que puedan contribuir a su avance. Con la intención de darle significado físico a este tipo de modelos, se ha propuesto una metodología de modelo híbrido que permite identificar automáticamente el estado hidrológico de una cuenca determinada, para permitir modelar por separado cada estado mediante RNA simples. También se ha incorporado el concepto físico en la elección de las variables de entrada al modelo, proponiendo análisis geomorfológicos de la cuenca y de tiempos de respuesta que ayuden a identificar las variables más influyentes. Por otro lado, dada la necesidad de conocer la función de distribución de las predicciones para casos reales, donde es necesario tomar decisiones a partir de estos resultados, se ha propuesto una metodología para el cálculo de la incertidumbre de las predicciones, pudiendo ser aplicado para cualquier tipo de modelo sin importar su complejidad. Para conferir un uso práctico a estas ideas, se ha desarrollado una aplicación informática (ANN) capaz de realizar los cálculos necesarios para la construcción de un modelo de predicción con RNA. / Pujol Reig, L. (2009). Predicción de caudales en tiempo real en grandes cuencas utilizando redes neuronales artificiales [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/6422