Made available in DSpace on 2014-06-11T19:22:33Z (GMT). No. of bitstreams: 0
Previous issue date: 2012-10-19Bitstream added on 2014-06-13T18:08:31Z : No. of bitstreams: 1
oliveira_cm_me_ilha.pdf: 579995 bytes, checksum: 40131b559f97d367bfaaf567b4130b1d (MD5) / PROPG - Programa de Pós-Graduação / Nos dias atuais, a previsão de cargas elétricas tem se mostrado cada vez mais importante às empresas distribuidoras de tal serviço, especialmente para que sejam possibilitados o planejamento, análise e operação dos sistemas elétricos, restando clara a necessidade de se antever o comportamento da carga, tornando possível o fornecimento eficiente de energia aos consumidores, visando que isso ocorra de forma econômica e contínua, valendo ressaltar ainda que, a tais empresas resta o interesse na lucratividade do setor para que se mantenham sólidas no mercado. Em um primeiro momento, a solução para tais problemas foi a utilização de técnicas matemáticas e estatísticas, podendo citar como exemplo, as séries numéricas, com resultados satisfatórios, mas de difícil modelagem. A inteligência artificial tem se mostrado uma técnica que supera os resultados anteriormente obtidos e, como prova de tal afirmação, a presente dissertação apresenta uma metodologia baseada em redes neurais, possibilitando a obtenção de resultados bastante satisfatórios, demonstrando ser um modelo robusto, com baixo custo computacional, rápido e eficiente. O objetivo deste trabalho é a utilização do hibridismo de redes neurais, sendo a primeira delas, uma rede ART Fuzzy e a segunda, a Perceptron multicamadas, via algoritmo backpropagation, aproveitando as melhores características de cada uma delas para a obtenção de resultado viável quando de sua utilização. A metodologia utilizada apresenta níveis de erro aceitáveis comparado a outros métodos que se encontram na literatura ou, até mesmo, em uso pelas empresas distribuidoras do setor elétrico brasileiro. No intuito de se obter a previsão de cargas citada acima, foi utilizado um banco de dados histórico de uma empresa distribuidora nacional, valendo-se de técnicas como o janelamento, entre outras que serão devidamente descritas no decorrer do texto / Electrical load forecasting is very important to the electrical companies to advice in planning, operation and analysis of electrical power systems. Knowing the load in advance leads to provide energy efficiently, continuously and economically. Firstly the solution for such problems was executed with mathematical and statistical techniques, e.g. time series analysis with good results but with difficult modeling. The use of Artificial Intelligence overcomes these problems and the proposal of this work is to present a robust hybrid method using neural networks providing good results with low computational costs. The hybrid model proposed in this work uses a Fuzzy ART neural network and a MLP (multi layerPerceptron) by backpropagation training emphasizing the best characteristics of each one. The errors obtained are compatible with those found in the literature. Results are shown for data from a Brazilian electrical company
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unesp.br:11449/87152 |
| Date | 19 October 2012 |
| Creators | Oliveira, Cícero Marcelo de [UNESP] |
| Contributors | Universidade Estadual Paulista (UNESP), Lotufo, Anna Diva Plasencia [UNESP], Silveira, Maria do Carmo Gomes da [UNESP] |
| Publisher | Universidade Estadual Paulista (UNESP) |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | 74 f. il. |
| Source | Aleph, reponame:Repositório Institucional da UNESP, instname:Universidade Estadual Paulista, instacron:UNESP |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | -1, -1, -1 |
Page generated in 0.0027 seconds