[pt] Esta dissertação investiga a utilização do Modelo de
Regressão Multivariada Seemingly Unrelated sob uma
perspectiva Bayesiana, na estimação das curvas de carga
dos principais eletrodomésticos. Será utilizada uma
estrutura de Demanda Condicional (CDA), consideradas de
especial interesse no setor comercial e residencial para o
gerenciamento pelo lado da demanda (Demand Side
Management) dos hábitos dos consumidores residenciais. O
trabalho envolve três partes principais: uma apresentação
das metodologias estatísticas clássicas usadas para
estimar as curvas de cargas; um estudo sobre Modelos de
Regressão Multivariada Seemingly Unrelated usando uma
aproximação Bayesiana. E por último o desenvolvimento do
modelo num estudo de caso.
Na apresentação das metodologias clássicas fez-se um
levantamento preliminar da estrutura CDA para casos
univariados usando Regressão Múltipla, e multivariada
usando Regressão Multivariada Seemingly Unrelated, onde o
desempenho desta estrutura depende da estrutura de
correlação entre os erros de consumo horário durante um
dia específico; assim como as metodologias usadas para
estimar as curvas de cargas.
No estudo sobre Modelos de Regressão Multivariada
Seemingly Unrelated a partir da abordagem Bayesiana
considerou-se um fator importante no desempenho da
metodologia de estimação, a saber: informação a priori.
No desenvolvimento do modelo, foram estimadas as curvas de
cargas dos principais eletrodomésticos numa abordagem
Bayesiana mostrando o desempenho da metodologia na captura
de ambos tipos de informação: estimativas de engenharia e
estimativas CDA. Os resultados obtidos avaliados pelo
método acima comprovaram superioridade na explicação de
dados em relação aos modelos clássicos. / [en] The present dissertation investigates the use of
multivariate regression models from a Bayesian point of
view. These models were used to estimate the electric load
behavior of household end uses. A conditional demand
structure was used considering its application to the
demand management of the residential and commercial
consumers. This work is divided in three main parts: a
description of the classical statistical methodologies
used for the electric load prediction, a study of the
multivariate regression models using a Bayesian approach
and a further development of the model applied to a case
study.
A preliminary revision of the CDA structure was done for
univariate cases using multiple regression. A similar
revision was done for other cases using multivariate
regression (Seemingly Unrelated). In those cases, the
behavior of the structure depends on the correlation
between a minimization of the daily demand errors and the
methodologies used for the electric load prediction.
The study on multivariate regression models (Seemingly
Unrelated) was done from a Bayesian point of view. This
kind of study is very important for the prediction
methodology.
When developing the model, the electric load curves of the
main household appliances were predicted using a Bayesian
approach. This fact showed the performance of the
metodology on the capture of two types of information:
Engineering prediction and CDA prediction. The results
obtained using the above method, for describing the data,
were better than the classical models.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:8691 |
| Date | 19 July 2006 |
| Creators | LUIS ALBERTO NAVARRO HUAMANI |
| Contributors | REINALDO CASTRO SOUZA |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0023 seconds