Return to search

[pt] PREVISÃO DE POTÊNCIA REATIVA / [en] REACTIVE POWER FORECASTING

[pt] No novo modelo do Setor Elétrico é essencial desenvolver novas técnicas
que estimem valores futuros, a curto e longo-prazos, das potências ativa e reativa.
Com base nisso, este trabalho tem por objetivo apresentar uma nova técnica de
previsão horária de potência reativa a curto-prazo, por subestação, baseada na
linearidade existente entre as potências ativa e reativa. O modelo proposto,
denominado de Modelo Híbrido de Previsão de Reativo, é dividido em duas
etapas: A primeira etapa é feita uma classificação dos dados através de uma rede
neural não supervisionada Mapas Auto-Organizáveis de Kohonen (SOM); A
segunda etapa, utiliza-se um modelo de defasagem distribuída auto-regressivo
(ADL) com estimação de Mínimos Quadrados Reponderados Iterativamente
(IRLS) acoplado a uma correção para autocorrelação serial dos resíduos - Método
Iterativo de Cochrane-Orcutt. Este Modelo Híbrido tem como variável dependente
a potência reativa, e como variáveis explicativas dados horários de potência ativa
e reativa no instante atual e defasadas no tempo. A previsão de potência reativa a
curto-prazo é dividida em in sample e em out of sample. A previsão out of
sample é aplicada a períodos horários em até um mês à frente. O modelo
proposto é aplicado aos dados de uma concessionária específica de Energia
Elétrica e os resultados são comparados a um modelo de Regressão Dinâmica
convencional e a um modelo de Redes Neurais Artificiais Feedforward de
Múltiplas camadas (MLP) com um algoritmo de retropropagação do erro. / [en] The forecasting of reactive and active power is an
important tool in the
monitoring of an Electrical Energy System. The main
purpose of the present work
is the development of a new short-term reactive power
hourly forecast technique,
which can be used at utility or substations levels. The
proposed model, named A
Hybrid Model for Reactive Forecasting, is divided in two
stages. In the first
stage, the active and reactive power data are classified
by an unsupervised neural
network - the Self-Organized Maps of Kohonen (SOM). In the
second stage, a
Autoregressive Distributed Lags Model (ADL) is used with
its parameters
estimated by an Iteratively Reweighted Least Square
(IRLS). It also includes a
correction lag structure for serial autocorrelation of the
residuals as used in the
Cochrane-Orcutt formulation. The short term reactive power
forecasting is
divided in in sample and out of sample. The out of sample
forecast is
applied to hourly periods until one month ahead. The
proposed model is applied to
real data of one substation and the results are compared
with two other
approaches, a conventional Dynamic Regression and a
Feedforward Multi-layer
Perceptron (MLP) Artificial Neural Network model.

Identiferoai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:7622
Date28 December 2005
CreatorsELIANE DA SILVA CHRISTO
ContributorsREINALDO CASTRO SOUZA, REINALDO CASTRO SOUZA
PublisherMAXWELL
Source SetsPUC Rio
LanguagePortuguese
Detected LanguagePortuguese
TypeTEXTO

Page generated in 0.0027 seconds