11 |
Avaliação do algoritmo Gradient Boosting em aplicações de previsão de carga elétrica a curto prazoMayrink, Victor Teixeira de Melo 31 August 2016 (has links)
Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-03-07T14:25:21Z
No. of bitstreams: 1
victorteixeirademelomayrink.pdf: 2587774 bytes, checksum: 1319cc37a15480796050b618b4d7e5f7 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-03-07T15:06:57Z (GMT) No. of bitstreams: 1
victorteixeirademelomayrink.pdf: 2587774 bytes, checksum: 1319cc37a15480796050b618b4d7e5f7 (MD5) / Made available in DSpace on 2017-03-07T15:06:57Z (GMT). No. of bitstreams: 1
victorteixeirademelomayrink.pdf: 2587774 bytes, checksum: 1319cc37a15480796050b618b4d7e5f7 (MD5)
Previous issue date: 2016-08-31 / FAPEMIG - Fundação de Amparo à Pesquisa do Estado de Minas Gerais / O armazenamento de energia elétrica em larga escala ainda não é viável devido a
restrições técnicas e econômicas. Portanto, toda energia consumida deve ser produzida
instantaneamente; não é possível armazenar o excesso de produção, ou tampouco cobrir
eventuais faltas de oferta com estoques de segurança, mesmo que por um curto período
de tempo. Consequentemente, um dos principais desafios do planejamento energético
consiste em realizar previsões acuradas para as demandas futuras. Neste trabalho,
apresentamos um modelo de previsão para o consumo de energia elétrica a curto prazo.
A metodologia utilizada compreende a construção de um comitê de previsão, por meio
da aplicação do algoritmo Gradient Boosting em combinação com modelos de árvores
de decisão e a técnica de amortecimento exponencial. Esta estratégia compreende um
método de aprendizado supervisionado que ajusta o modelo de previsão com base em
dados históricos do consumo de energia, das temperaturas registradas e de variáveis de
calendário. Os modelos propostos foram testados em duas bases de dados distintas e
demonstraram um ótimo desempenho quando comparados com resultados publicados em
outros trabalhos recentes. / The storage of electrical energy is still not feasible on a large scale due to technical and
economic issues. Therefore, all energy to be consumed must be produced instantly; it
is not possible to store the production leftover, or either to cover any supply shortages
with safety stocks, even for a short period of time. Thus, one of the main challenges
of energy planning consists in computing accurate forecasts for the future demand.
In this paper, we present a model for short-term load forecasting. The methodology
consists in composing a prediction comitee by applying the Gradient Boosting algorithm
in combination with decision tree models and the exponential smoothing technique. This
strategy comprises a supervised learning method that adjusts the forecasting model based
on historical energy consumption data, the recorded temperatures and calendar variables.
The proposed models were tested in two di
erent datasets and showed a good performance
when compared with results published in recent papers.
|
12 |
Contribuições aos estudo da compensação de harmônicos em sistemas de energia elétricaGALHARDO, Marcos André Barros 12 June 2006 (has links)
Submitted by Irvana Coutinho (irvana@ufpa.br) on 2011-03-29T16:29:01Z
No. of bitstreams: 1
GALHARDO, Marcos André Barros PPGEngenharia Elétrica tese.pdf: 2673374 bytes, checksum: 1c92363188ded74d8224949de111bd7c (MD5) / Made available in DSpace on 2011-03-29T16:29:01Z (GMT). No. of bitstreams: 1
GALHARDO, Marcos André Barros PPGEngenharia Elétrica tese.pdf: 2673374 bytes, checksum: 1c92363188ded74d8224949de111bd7c (MD5)
Previous issue date: 2006 / CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico / Esta tese enfoca o estudo de métodos para compensação de harmônicos em sistemas de energia elétrica e aborda diversos aspectos relacionados à presença de harmônicos nos mesmos, como a apresentação de conceitos e definições em sistemas não-senoidais e estratégias de compensação de potência. Enfatiza-se neste estudo, exemplificado por meio de medições e simulações realizadas, a influência da forma de onda de alimentação sobre cargas não-lineares; a interação harmônica entre a tensão de suprimento e a corrente das cargas, devido à impedância série do sistema; e a influência mútua entre cargas não-lineares em paralelo, como possível forma de atenuação de harmônicos. Para simular e predizer o impacto causado por cargas não-lineares em um sistema, assim como a implementação de ações para mitigar esses impactos, visando à melhoria da qualidade da energia, é necessário o conhecimento das respostas das mesmas. Como produto do presente trabalho, destacam-se as técnicas desenvolvidas para a modelagem de cargas nãolineares sob diferentes condições de alimentação, em especial o uso de técnicas de inteligência computacional, como o sistema neuro-fuzzy e as redes neurais artificiais; assim como o emprego da série de Volterra para predição do comportamento das cargas. / This thesis focuses on the study of methods for harmonic compensation in electrical power systems and discusses various aspects related to the presence of harmonics on them, such as the presentation of concepts and definitions in nonsinusoidal systems and strategies of power compensation. Exemplified by measurements and simulations the following topics are emphasized in this study: the influence of supply waveforms on nonlinear loads; the harmonic interaction between the supply voltage and the load currents, due to the system series impedance; and the mutual influence between nonlinear shunt loads, as a possible way of harmonic reduction. To simulate and predict the impact caused by nonlinear loads in a system, as well as the implementation of actions to mitigate these impacts in order to improve power quality, it is necessary to know the response of these loads. As a product of the present work, the development of techniques for modeling nonlinear loads under different supply conditions is emphasized, especially those using computacional intelligence, such as the neuro-fuzzy system and the artificial neural network; as well as the use of Volterra series for load behavior prediction.
|
13 |
Resolução do problema de fluxo de carga para redes de distribuição utilizando o metodo desacoplado rapido com rotação automatica de eixos / Fast decoupled load flow method with automatic axes rotation for distribution systemsGomes, Ricardo Borges 30 May 2006 (has links)
Orientador: Carlos Alberto de Castro Junior / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-06T19:37:05Z (GMT). No. of bitstreams: 1
Gomes_RicardoBorges_M.pdf: 725231 bytes, checksum: e24b9811f14e33910092b2f639a89050 (MD5)
Previous issue date: 2006 / Resumo: O método desacoplado rápido (MDR) [2] é uma variante do tradicional método de Newton [1] para a resolução do problema de fluxo de carga (obtenção do estado de operação de redes elétricas de potência). Sabe-se que o MDR apresenta desempenho insatisfatório quando aplicado a redes de distribuição, devido à desfavorável relação r/x dos ramos, resultando num processo de cálculo que pode apresentar divergência ou convergência lenta (grande número de iterações). Há algum tempo foi proposta uma alteração no MDR, chamada de rotação de eixos[4], que melhora as características de convergência do método. A idéia consiste em obter uma rede fictícia para a qual o MDR funcione bem e cujo estado de operação (magnitudes e ângulos de tensão) seja o mesmo da rede original. O valor do ângulo de rotação de eixos, único para toda a rede, é determinado empiricamente. Recentemente uma outra proposta de rotação ótima de eixos[5] foi apresentada, sugerindo modificações ao método que trouxeram maior automação aos cálculos, apesar de efeitos desfavoráveis em relação à manipulação de matrizes e ao significado físico da rede elétrica durante o processo iterativo. O presente trabalho traz um novo algoritmo de rotação de eixos que supera algumas desvantagens dos métodos apresentados em [4, 5], com bom desempenho. Além disso, traz uma interessante contribuição sobre a rotação de barras do tipo PV, não abordado anteriormente / Abstract: The fast decoupled loadflow (FDLF) [2] is a variant of the traditional Newton method [1] for solving the loadflow problem (find the operational state of electrical power networks). It is well-known that FDLF presents unsatisfactory performance when applied to distribution systems. Their unfavourable r/x branch ratios may lead to divergence or slow convergence (large number of iterations). A modification to the FDLF, called axesrotation[4], was proposed some time ago, which improves convergency of the method. The idea is to obtain a fictitious network for which the FDLF performs better and which operational state (voltage magnitudes and angles) is the same as the original network. However, the rotation angle is determined empirically. Recently the optimal axes rotation[5] was presented, suggesting some modifications that led to more automated calculations, despite of some undesirable effects on matrices handling and also to the physical meaning of networks during the iterative process. This research work presents a new algorithm for axes rotation that overcomes some disadvantages found in [4, 5], with good performance. Moreover, it brings an interesting contribution on the rotation of PV buses, not previously considered. / Mestrado / Energia Eletrica / Mestre em Engenharia Elétrica
|
14 |
Modelos para previsão de carga a curto prazo através de redes neurais artificiais com treinamento baseado na teoria da informaçãoALVES, Wesin Ribeiro 04 November 2011 (has links)
Submitted by Samira Prince (prince@ufpa.br) on 2012-08-27T14:46:59Z
No. of bitstreams: 2
Dissertacao_ModelosPrevisaoCarga.pdf: 1369826 bytes, checksum: 6bbbe896ee75adc3eefb8c0de0c81bf4 (MD5)
license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) / Approved for entry into archive by Samira Prince(prince@ufpa.br) on 2012-08-27T14:48:07Z (GMT) No. of bitstreams: 2
Dissertacao_ModelosPrevisaoCarga.pdf: 1369826 bytes, checksum: 6bbbe896ee75adc3eefb8c0de0c81bf4 (MD5)
license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) / Made available in DSpace on 2012-08-27T14:48:07Z (GMT). No. of bitstreams: 2
Dissertacao_ModelosPrevisaoCarga.pdf: 1369826 bytes, checksum: 6bbbe896ee75adc3eefb8c0de0c81bf4 (MD5)
license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5)
Previous issue date: 2011 / CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico / O conhecimento prévio do valor da carga é de extrema importância para o planejamento e operação dos sistemas de energia elétrica. Este trabalho apresenta os resultados de um estudo investigativo da aplicação de Redes Neurais Artificiais do tipo Perceptron Multicamadas com treinamento baseado na Teoria da Informação para o problema de Previsão de Carga a curto prazo. A aprendizagem baseada na Teoria da Informação se concentra na utilização da quantidade de informação (Entropia) para treinamento de uma rede neural artificial. Dois modelos previsores são apresentados sendo que os mesmos foram desenvolvidos a partir de dados reais fornecidos por uma concessionária de energia. Para comparação e verificação da eficiência dos modelos propostos um terceiro modelo foi também desenvolvido utilizando uma rede neural com treinamento baseado no critério clássico do erro médio quadrático. Os resultados alcançados mostraram a eficiência dos sistemas propostos, que obtiveram melhores resultados de previsão quando comparados ao sistema de previsão baseado na rede treinada pelo critério do MSE e aos sistemas previsores já apresentados na literatura. / The previous knowledge of the load value is almighty important to the electric power system planning and operation. This paper presents results of an investigative study of application of Artificial Neural Networks as a Multilayer Perceptron with the training based on Information Theory to the problem of short term load forecasting. The learning based on Information Theory focuses on the use of the amount of information (Entropy) for the training of neural network. Two forecaster models are presented, and that they was developed using real data from an energy utility. To compare and verify the efficiency of the proposed systems, it was also developed a forecasting system using neural network trained based on the traditional criterion of mean square error (MSE). The results has showed the efficiency of proposed systems, which had better results when compared with the forecasting system based on neural network trained by criterion of MSE and with forecasting system already was presented in the literature.
|
Page generated in 0.0528 seconds