Previsão de carga multinodal utilizando Rede Neural ARTMAP Euclidiana
A antecipação da demanda energética é um segmento imprescindível para os sistemas elétricos de potência, no que tange às atividades de operação e planejamento, haja vista que as predições oportunizam elementos cruciais na tomada de decisão favorecendo diferentes ângulos desses sistemas. Essa pesquis...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2020 |
| País: | Brasil |
| Institución: | Universidade Estadual Paulista (UNESP) |
| Repositorio: | Repositório Institucional da UNESP |
| Idioma: | portugués |
| OAI Identifier: | oai:repositorio.unesp.br:11449/193357 |
| Acceso en línea: | http://hdl.handle.net/11449/193357 |
| Access Level: | acceso abierto |
| Palabra clave: | Redes Neurais Artificiais Rede ARTMAP Euclidiana Previsão de Carga Multinodal Distribuição de Sistemas Elétricos Artificial Neural Networks Euclidean ARTMAP Neural Network Multinodal Load Forecasting Electrical Distribution Systems |
| Sumario: | A antecipação da demanda energética é um segmento imprescindível para os sistemas elétricos de potência, no que tange às atividades de operação e planejamento, haja vista que as predições oportunizam elementos cruciais na tomada de decisão favorecendo diferentes ângulos desses sistemas. Essa pesquisa visa investigar o emprego das redes neurais artificiais na problemática da previsão de cargas elétricas de modo multinodal, isto é, observando-se diversos aspectos da rede elétrica. À vista disso, adotou-se uma arquitetura neural que se baseia na distância euclidiana e está fundamentada na teoria de ressonância adaptativa (ART), intitulada rede neural ARTMAP Euclidiana. No modelo neural aludido, foi aplicado um método que automatiza o ajuste dos parâmetros desta rede, visando obter resultados expressivos com rapidez, precisão e confiabilidade sem a necessidade de intervenção humana. Tendo em vista alcançar resultados com um horizonte preditivo de 24 horas à frente, a supracitada rede neural foi utilizada em diferentes módulos de um Sistema Previsor de Cargas da Subestação (SPCS) que processa as informações de cada subestação de forma particularizada. Desta forma, para avaliar a efetividade da metodologia proposta neste estudo, utilizaram-se dados históricos de cargas elétricas extraídos de um subsistema de distribuição de energia da New Zealand Electrical Company, do qual, foram aplicadas ao método proposto nesta pesquisa, nove subestações que compõem esse sistema de energia, bem como, a carga global do referido sistema elétrico. |
|---|