Desenvolvimento de método baseado em redes neurais profundas para estimação de demanda de curto prazo (2020)
- Authors:
- Autor USP: LOPES, SOFIA MOREIRA DE ANDRADE - EESC
- Unidade: EESC
- Sigla do Departamento: SEL
- DOI: 10.11606/D.18.2020.tde-02042024-111301
- Subjects: SISTEMAS DINÂMICOS; REDES NEURAIS; ANÁLISE DE SÉRIES TEMPORAIS; DEMANDA ENERGÉTICA
- Keywords: Previsão de demanda de potência ativa; Redes autoencoder
- Agências de fomento:
- Language: Português
- Abstract: A previsão de demanda de potência ativa é um quesito importante para o planejamento da operação do setor elétrico. A informação sobre a demanda futura auxilia na manutenção da qualidade de energia, influencia economicamente o setor, sendo vital para realizar o balanço entre geração e demanda, e afeta diretamente as relações de compra e venda de energia. Dentre os métodos encontrados na literatura, as técnicas de soft computing (redes neurais artificiais (RNA), sistemas fuzzy (SF) e máquinas de vetores de suporte (MVS)) se destacam em certos problemas por apresentarem resultados com baixos erros e maior aderência a diferentes tipos de cenários, principalmente quando comparadas com técnicas de estimação linear. Neste trabalho, o método proposto consiste na criação de uma estrutura de RNA profunda (RNAP) para realizar a previsão da demanda para um horizonte de 30 minutos. A utilização da técnica de RNA, ao invés de uma técnica linear, foi justificada através da realização de um teste de hipótese com o problema proposto. Para avaliar o desempenho do método proposto, sua previsão será comparada com a previsão realizada por uma técnica tradicional de RNA. A avaliação dos dois modelos foi realizada utilizando uma série temporal de demanda, obtida a partir de um alimentador conectado a uma subestação; foram utilizadas medições para o período de um ano. Considerando a acurácia e a aderência do modelo de estimação, os resultados obtidos indicam a superioridade da RNAP em relação à técnica tradicional. Desta forma, o método proposto apresentou, na maioria dos casos analisados, modelos mais simples, com erros menores e maior grau de aderência.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2020
- Data da defesa: 22.07.2020
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
LOPES, Sofia Moreira de Andrade. Desenvolvimento de método baseado em redes neurais profundas para estimação de demanda de curto prazo. 2020. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2020. Disponível em: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-02042024-111301/. Acesso em: 30 dez. 2025. -
APA
Lopes, S. M. de A. (2020). Desenvolvimento de método baseado em redes neurais profundas para estimação de demanda de curto prazo (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/18/18153/tde-02042024-111301/ -
NLM
Lopes SM de A. Desenvolvimento de método baseado em redes neurais profundas para estimação de demanda de curto prazo [Internet]. 2020 ;[citado 2025 dez. 30 ] Available from: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-02042024-111301/ -
Vancouver
Lopes SM de A. Desenvolvimento de método baseado em redes neurais profundas para estimação de demanda de curto prazo [Internet]. 2020 ;[citado 2025 dez. 30 ] Available from: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-02042024-111301/ - Desenvolvimento de sistema de monitoramento de condição de isolação para análise da performance de isoladores de alta tensão
- A novel approach for incipient fault diagnosis in power transformers by artificial neural networks
- Cognitive-based framework for detecting and diagnosing broken bars in induction motors for industry maintenance
- A comparative analysis of artificial neural networks for photovoltaic power forecast using remotes and local measurements
- Análise da aderência do modelo de redes neurais artificiais para previsão de demanda de energia utilizando a função de autocorrelação
- Incipient fault diagnosis in power transformers by data-driven models with over-sampled dataset
- Artificial intelligence-based recommendation system for detecting and diagnosing broken bars in induction motors under transient operation
- Estimation of photovoltaic systems parameters using the MVMO method
- Localisation of inter-layer partial discharges in transformer windings by logistic regression and different features extracted from current signals
- Aparato sensorial para medição remota de corrente de fuga via LoRa em isoladores de subestações de transmissão de energia elétrica
Informações sobre o DOI: 10.11606/D.18.2020.tde-02042024-111301 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
