Spelling suggestions: "subject:"apolíticas dde operação"" "subject:"apolíticas dee operação""
1 |
Política de operação preditiva estabilizada via termo inercial utilizando \"analytic signal\", \"dynamic modelling\" e sistemas inteligentes na previsão de vazões afluentes em sistemas hidrotérmicos de potência / Predictive operation policy stabilized via inertial term using analytic signal, dynamic modelling and intelligent systems on hydrothermal power systemsSacchi, Rodrigo 08 June 2009 (has links)
Este trabalho de pesquisa objetivou a obtenção de uma nova política de operação que melhor caracterizasse o comportamento ótimo dos sistemas hidrelétricos de potência, mesmo diante das mais variadas condições hidrológicas. Este trabalho teve duas linhas de investigação. Uma tratou do problema de previsão de vazões afluentes mensais, na busca por abordagens e técnicas que definissem bons modelos de previsão. A outra linha de pesquisa tratou de encontrar uma nova política de operação, para o problema de planejamento da operação, que fosse capaz de definir uma seqüência de decisões operativas mais estáveis, confiáveis e de menor custo operativo. Na primeira linha de pesquisa, investigou-se três aspectos importantes na definição de um modelo de previsão: técnicas de pré-processamento dos dados, definição automática do espaço de entrada e avaliação do desempenho de alguns modelos de redes neurais e sistemas Fuzzy como modelos de previsão. Nestes aspectos foram investigadas a utilização da análise dos componentes principais e o tratamento da série temporal de vazões afluentes como um sinal discreto, utilizando-se a representação \"analytic signal\". Para a definição do espaço de entrada de maneira automática utilizou-se a abordagem da \"dynamic modelling\", empregando-se a \"average mutual information\" e \"false nearest neighbors\". Para implementação dos modelos de previsão foram estudados e avaliados quatro modelos inteligentes: rede SONARX, rede SONARX-RBF, modelo ANFIS e a rede ESN. Já na outra linha de pesquisa, foi proposta uma política de operação que fosse capaz de estabilizar os despachos de geração termelétrica e conseqüentemente o custo marginal de operação. A política de operação preditiva estabilizada via termo inercial produziu excelentes resultados operativos, melhorando de forma significativa a performance da política preditiva. / This research work aimed at obtaining a new operation policy which could better describe the optimal behavior of hydropower systems, even when faced with the most varied hydrological conditions. This research had two lines of investigation. The first one dealt with the monthly water inflow forecasting problem, searching for approaches and techniques which could define efficient forecasting models. Three important aspects to define a forecasting model were investigated: data pre-processing techniques, automatic definition of the embedding and the performance assessment of some artificial neural networks and Fuzzy systems. Hence, the use of the principal components analysis was investigated and, considering the water inflow time series as a discrete signal, the analytic signal representation could be used to preprocess the data. Furthermore, the embedding was automatically defined using the dynamic modelling approach, by using the average mutual information and the false nearest neighbors techniques. The forecasting models were implemented by four intelligent models: SONARX network, SONARX-RBF network, ANFIS model and the ESN network. The other line of investigation came up with a new operation policy to solve the operation planning problem, defining a more stable, reliable and less costly operative decision sequence. It was proposed an approach to stabilize the thermoelectric generation dispatches and, as a result, the operative marginal cost. The predictive operation policy stabilized via inertial term produced excellent operation results, improving the performance of the predictive policy.
|
2 |
Política de operação preditiva estabilizada via termo inercial utilizando \"analytic signal\", \"dynamic modelling\" e sistemas inteligentes na previsão de vazões afluentes em sistemas hidrotérmicos de potência / Predictive operation policy stabilized via inertial term using analytic signal, dynamic modelling and intelligent systems on hydrothermal power systemsRodrigo Sacchi 08 June 2009 (has links)
Este trabalho de pesquisa objetivou a obtenção de uma nova política de operação que melhor caracterizasse o comportamento ótimo dos sistemas hidrelétricos de potência, mesmo diante das mais variadas condições hidrológicas. Este trabalho teve duas linhas de investigação. Uma tratou do problema de previsão de vazões afluentes mensais, na busca por abordagens e técnicas que definissem bons modelos de previsão. A outra linha de pesquisa tratou de encontrar uma nova política de operação, para o problema de planejamento da operação, que fosse capaz de definir uma seqüência de decisões operativas mais estáveis, confiáveis e de menor custo operativo. Na primeira linha de pesquisa, investigou-se três aspectos importantes na definição de um modelo de previsão: técnicas de pré-processamento dos dados, definição automática do espaço de entrada e avaliação do desempenho de alguns modelos de redes neurais e sistemas Fuzzy como modelos de previsão. Nestes aspectos foram investigadas a utilização da análise dos componentes principais e o tratamento da série temporal de vazões afluentes como um sinal discreto, utilizando-se a representação \"analytic signal\". Para a definição do espaço de entrada de maneira automática utilizou-se a abordagem da \"dynamic modelling\", empregando-se a \"average mutual information\" e \"false nearest neighbors\". Para implementação dos modelos de previsão foram estudados e avaliados quatro modelos inteligentes: rede SONARX, rede SONARX-RBF, modelo ANFIS e a rede ESN. Já na outra linha de pesquisa, foi proposta uma política de operação que fosse capaz de estabilizar os despachos de geração termelétrica e conseqüentemente o custo marginal de operação. A política de operação preditiva estabilizada via termo inercial produziu excelentes resultados operativos, melhorando de forma significativa a performance da política preditiva. / This research work aimed at obtaining a new operation policy which could better describe the optimal behavior of hydropower systems, even when faced with the most varied hydrological conditions. This research had two lines of investigation. The first one dealt with the monthly water inflow forecasting problem, searching for approaches and techniques which could define efficient forecasting models. Three important aspects to define a forecasting model were investigated: data pre-processing techniques, automatic definition of the embedding and the performance assessment of some artificial neural networks and Fuzzy systems. Hence, the use of the principal components analysis was investigated and, considering the water inflow time series as a discrete signal, the analytic signal representation could be used to preprocess the data. Furthermore, the embedding was automatically defined using the dynamic modelling approach, by using the average mutual information and the false nearest neighbors techniques. The forecasting models were implemented by four intelligent models: SONARX network, SONARX-RBF network, ANFIS model and the ESN network. The other line of investigation came up with a new operation policy to solve the operation planning problem, defining a more stable, reliable and less costly operative decision sequence. It was proposed an approach to stabilize the thermoelectric generation dispatches and, as a result, the operative marginal cost. The predictive operation policy stabilized via inertial term produced excellent operation results, improving the performance of the predictive policy.
|
3 |
Regras de operação para sistemas hidroelétricos com previsão por redes neurais / not availableSacchi, Rodrigo 08 April 2004 (has links)
Este trabalho de pesquisa está relacionado com a aplicação de técnicas de Redes Neurais Artificiais (RNA\'s) na obtenção de políticas de operação conjunta de usinas hidroelétricas (UH\'s). O comportamento ótimo das usinas hidroelétricas depende tanto da posição relativa de cada UH ao longo da cascata como da relação entre elas. O propósito principal deste trabalho é de aplicar a rede de mapa auto-organizável (SOM) de Kohonen com modelos de sistemas dinâmicos, no aprendizado destas relações, objetivando seu uso para simular a operação ótima de um sistema hidroelétrico real. Este modelo é uma versão não-supervisionada do modelo NARX sendo chamado de modelo ou rede NARX Auto-Organizável (SONARX), capaz de processar padrões espaço-temporais. Desta maneira, um algoritmo de programação não-linear, especialmente desenvolvido para a realização da operação determinística de sistemas hidrotérmicos de potência, é utilizado para otimizar a operação deste conjunto de usinas, considerando-se várias condições hidrológicas distintas e, tendo como função objetivo a minimização do custo com complementação térmica. Em seguida, os resultados desta otimização são então processados e utilizados no treinamento da rede SONARX; ela irá captar os comportamentos relativos de cada uma das UH\'s, trabalhando com afluências futuras que ela mesma irá prever. De forma geral, a partir dos resultados obtidos com um subsistema do sistema sudeste brasileiro, pode-se concluir que a rede SONARX conseguiu assimilar o comportamento ótimo da operação do sistema teste. Os testes mostraram que o previsor neural possui uma forte tendência em seguir os resultados da otimização determinística, otimizando o uso dos recursos hídricos disponíveis para geração de energia elétrica. Posteriormente, a rede neural com função de base radial (RBF) foi aplicada na interpolação das previsões feitas pela rede SONARX, uma vez que este tipo de rede é indicado para esta tarefa. Neste contexto, os centros das funções de base, da rede RBF, passam a ser definidos pela rede SONARX, mitigando o erro inerente a este tipo de modelagem baseada na técnica de MATQV. / This research work is related to the application of Artificial Neural Networks (ANN) in the obtaining of united operation policies in hydroelectric power plants (HP). The optimal behavior of the hydroelectric power plants depends as much on the relative position of each station throughout the cascade as on the relation between them. The main purpose of this work is to apply the self-organizing map network (SOM) of Kohonem with dynamic system models, in the learning of these relations, objectifying its usage to simulate the optimal operation of a real hydroelectric power system. This model is an unsupervised version of the NARX model; which has been called self-organized model or network (SONARX), capable of processing space-time patterns. This way, a nonlinear programming algorithm, especially developed to accomplish the hydrothermal power system deterministic operation, is used to optimize the operation of this group of hydropower plants, considering many distinct hydrological conditions, and aiming the minimized cost with the thermal complementation. After this, the results of this optimization are processed and used in the SONARX network training; it will captivate the relative behavior of each one of the (HP), working with future affluences that it will predict. In a general way, from the acquired results from a subsystem of the brazilian southeast system, we may conclude that the SONARX network managed to assimilate the optimal behavior of the system test operation. The tests showed that the neural predictor has a high tendency towards deterministic optimization results, optimizing the water resources use available for the electric energy generation. After all this, the radial basis function (RBF) network was applied on the interpolation of the predictions made by the SONARX network, once this kind of network is indicated to this task. On this context, the centers of the basis functions, of RBF network, are to be defined by the SONARX network, mitigating the unrelated error to this type of modeling based on MATQV technique.
|
4 |
Regras de operação para sistemas hidroelétricos com previsão por redes neurais / not availableRodrigo Sacchi 08 April 2004 (has links)
Este trabalho de pesquisa está relacionado com a aplicação de técnicas de Redes Neurais Artificiais (RNA\'s) na obtenção de políticas de operação conjunta de usinas hidroelétricas (UH\'s). O comportamento ótimo das usinas hidroelétricas depende tanto da posição relativa de cada UH ao longo da cascata como da relação entre elas. O propósito principal deste trabalho é de aplicar a rede de mapa auto-organizável (SOM) de Kohonen com modelos de sistemas dinâmicos, no aprendizado destas relações, objetivando seu uso para simular a operação ótima de um sistema hidroelétrico real. Este modelo é uma versão não-supervisionada do modelo NARX sendo chamado de modelo ou rede NARX Auto-Organizável (SONARX), capaz de processar padrões espaço-temporais. Desta maneira, um algoritmo de programação não-linear, especialmente desenvolvido para a realização da operação determinística de sistemas hidrotérmicos de potência, é utilizado para otimizar a operação deste conjunto de usinas, considerando-se várias condições hidrológicas distintas e, tendo como função objetivo a minimização do custo com complementação térmica. Em seguida, os resultados desta otimização são então processados e utilizados no treinamento da rede SONARX; ela irá captar os comportamentos relativos de cada uma das UH\'s, trabalhando com afluências futuras que ela mesma irá prever. De forma geral, a partir dos resultados obtidos com um subsistema do sistema sudeste brasileiro, pode-se concluir que a rede SONARX conseguiu assimilar o comportamento ótimo da operação do sistema teste. Os testes mostraram que o previsor neural possui uma forte tendência em seguir os resultados da otimização determinística, otimizando o uso dos recursos hídricos disponíveis para geração de energia elétrica. Posteriormente, a rede neural com função de base radial (RBF) foi aplicada na interpolação das previsões feitas pela rede SONARX, uma vez que este tipo de rede é indicado para esta tarefa. Neste contexto, os centros das funções de base, da rede RBF, passam a ser definidos pela rede SONARX, mitigando o erro inerente a este tipo de modelagem baseada na técnica de MATQV. / This research work is related to the application of Artificial Neural Networks (ANN) in the obtaining of united operation policies in hydroelectric power plants (HP). The optimal behavior of the hydroelectric power plants depends as much on the relative position of each station throughout the cascade as on the relation between them. The main purpose of this work is to apply the self-organizing map network (SOM) of Kohonem with dynamic system models, in the learning of these relations, objectifying its usage to simulate the optimal operation of a real hydroelectric power system. This model is an unsupervised version of the NARX model; which has been called self-organized model or network (SONARX), capable of processing space-time patterns. This way, a nonlinear programming algorithm, especially developed to accomplish the hydrothermal power system deterministic operation, is used to optimize the operation of this group of hydropower plants, considering many distinct hydrological conditions, and aiming the minimized cost with the thermal complementation. After this, the results of this optimization are processed and used in the SONARX network training; it will captivate the relative behavior of each one of the (HP), working with future affluences that it will predict. In a general way, from the acquired results from a subsystem of the brazilian southeast system, we may conclude that the SONARX network managed to assimilate the optimal behavior of the system test operation. The tests showed that the neural predictor has a high tendency towards deterministic optimization results, optimizing the water resources use available for the electric energy generation. After all this, the radial basis function (RBF) network was applied on the interpolation of the predictions made by the SONARX network, once this kind of network is indicated to this task. On this context, the centers of the basis functions, of RBF network, are to be defined by the SONARX network, mitigating the unrelated error to this type of modeling based on MATQV technique.
|
Page generated in 0.0805 seconds