[pt] O objetivo principal desta dissertação é desenvolver um
método de previsão de carga elétrica de curto prazo
(previsão horária), através de um sistema híbrido
(Redes Neurais e Lógica Fuzzy) utilizando temperaturas
máximas e mínimas como variáveis explicativas. Como
primeiro passo, foram definidos os perfis homogêneos das
curvas de carga diárias através de um classificador
utilizando os Mapas Auto Organizáveis (Self-Organizing Maps-
SOM). Um previsor será adicionado ao esquema de previsão
através da Lógica Fuzzy que associará as variáveis
climáticas aos perfis criados pela SOM produzindo as
previsões.
O modelo foi aplicado em dados de duas concessionárias de
energia elétrica do Brasil usando dados horários coletados
durante dois anos. / [en] This dissertation presents a short-term load forecasting
procedure mixing a classifier scheme and a predictive
scheme. The classifier is implemented through
an artificial neural network using a non-supervised
learning procedure (SOM). Concerning the predictive scheme,
a fuzzy logic procedure uses climatic variables and their
prediction to choose the appropriate profiles created by
SOM and then combines them to produce the desired forecast.
The model is applied to two utilities in Brazil using
hourly observations collected during two calendar years and
the results obtained, in terms of mean absolute percentage
error (MAPE) through the period analyzed, are presented.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:3525 |
| Date | 22 May 2003 |
| Creators | FLAVIA CRISTINA DA COSTA SERRAO |
| Contributors | REINALDO CASTRO SOUZA |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.002 seconds