[pt] A presente dissertação tem por objetivo o estudo
quantitativo da previsão da demanda de carga elétrica
semanal para a região sudeste e em particular, para os
Estados do Rio de Janeiro e São Paulo. Foram estudadas
para tanto as séries reais dos últimos 7(sete) anos, ou
seja, de janeiro de 1991 a novembro de 1997 das
concessionárias LIGHT, CERJ, CESP, CPFL e ELETROPAULO.
Para o estudo de previsão foi utilizado o conceito in
sample, ou seja, parte real dos dados foram separados e
mais tarde comparados com os valores previstos
experimentalmente para aquela mesma época dos dados reais
separados. Desta forma, permitiu-se averiguar qual seria a
precisão da previsão, verificando-se os erros entre os
valores experimentais e reais.
Para os cálculos das previsões, também foi utilizado o
conceito de bayesiano de combinação de previsões
(outperformance) das duas técnicas a saber: redes neurais
artificiais (software Neunet) e o modelo clássico Box &
Jenkins (software Autobox).
Para se obter o valor combinado das previsões, foi
utilizado software matlab que se comportou de maneira
adequada para o estudo em questão. Além disso vale
acrescentar que o software Neunet foi utilizado, pois
possui em seu ambiente a técnica de eliminação de sinapses
enquadra-se dentro do conceito de redes neurais
multicamadas com retropropagação dos erros. / [en] The goal of this dissertation is to present a quantitative
study in time series of weekly electrical charge demand at
the southeast region, particulary at Rio de Janeiro and
São Paulo.
In this work will be analysed the last 7 years, from
january 1991 to november of 1997. The next time series
were study: LIGHT, CERJ, CESP, CPFL and ELETROPAULO.
Aimming to test the model against real data the concept of
sample data was utilized in this dissertation.
Another concept used in this work was outperformance.
Outperformance is a Bayesian concept that involves the
combination of two or more techniques in order to enchance
the forecasting results. Artificial neural network and Box
and Jenkins method are combined in this work. It is also
interesting to notice that weight elimination, which is a
new ANN technique, proved to be faster then classical back-
propagation and yielded better results.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:7463 |
| Date | 09 November 2005 |
| Creators | LAURA VALERIA LOPES DE ALMEIDA |
| Contributors | REINALDO CASTRO SOUZA |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0067 seconds