[pt] Com a entrada do novo modelo do setor elétrico, a previsão do consumo
e de faturamento de energia elétrica passou a ter grande importância para as
distribuidoras de energia elétrica, pois melhorando sua acertividade as empresas
poderão elaborar seus programas de planejamento energético, manutenção e
expansão de seu sistema de distribuição e principalmente evitar gastos com
multas pelo não atendimento à totalidade de seu mercado consumidor. Para que
esta previsão seja feita é necessário que se obtenham, os dados históricos do
consumo de energia elétrica, da carga fornecida pela Distribuidora, porém como
esses dados são séries multivariadas, isto é, são séries temporais que
dependem de outras variáveis exógenas, levou-se em consideração também as
séries climáticas (sensação térmica), as econômicas (índices financeiros) e o
fator temporal (dias úteis, feriados, finais de semana.....). Este estudo, propõe
um método alternativo para previsão de consumo e faturamento de energia
elétrica, 15 passos a frente, através do desenvolvimento de um sistema
inteligente, chamado SIPEE, baseado em redes neurais MLP multistep e foi
desenvolvido para uma Distribuidora de Energia Elétrica que atende a boa parte
do mercado consumidor do Estado do Rio de Janeiro, a Light Serviços de
Eletricidade S.A.. / [en] When the new model of the electricity sector began to be used, the
forecast of consumption and billing of electricity began to have great importance
for the electricity distributors, improving their assertiveness as companies can
develop their programs for energy planning, maintenance and expansion of its
distribution system and particularly to avoid fines for not spending all of his
service to the consumer market. For this prediction is made it is necessary to
obtain historical data of energy consumption, the load supplied by the distributor,
but as these data sets are multivariate, ie, they are time series which depend on
other exogenous variables took into account also the series weather (wind chill),
economic (financial ratios) and the factor of time (days, holidays, weekends .....).
This study proposes an alternative method to forecast sales and consumption of
electricity, 15 steps forward, by developing an intelligent system, called SIPEE,
MLP neural networks based on multistep and was developed for an Electricity
Distributor serving much of the consumer market in the State of Rio de Janeiro,
Light Electrical Services SA.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:22046 |
| Date | 17 September 2013 |
| Creators | JULIANA CARDOSO ARAUJO MATTOSO |
| Contributors | MARLEY MARIA BERNARDES REBUZZI VELLASCO |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | English |
| Type | TEXTO |
Page generated in 0.0337 seconds