Use este identificador para citar ou linkar para este item:
https://repositorio.unifei.edu.br/jspui/handle/123456789/3764
Tipo: | Tese |
Título: | Previsor neural de carga elétrica baseado em análise de multiresolução via wavelets e técnicas de reconstrução do espaço-fase |
Autor(es): | REIS, Agnaldo José da Rocha |
Primeiro Orientador: | SILVA, Alexandre Pinto Alves da |
Resumo: | A importância da previsão de carga a curto prazo tem crescido ultimamente. Com a desregulamentação e a competição advinda desse processo, a previsão do preço de energia se transformou em uma atividade bastante lucrativa. A previsão das cargas das barras é essencial para alimentar métodos analíticos utilizados para determinar os preços de energia. A variabilidade e a não estacionariedade das cargas estão ficando cada vez piores devido à dinâmica dos preços de energia. Além disso, o número de cargas nodais a serem previstas não permite interações freqüentes com os especialistas em previsão de carga. Portanto, previsores de carga mais autônomos são necessários nesse novo cenário competitivo. Esta tese apresenta duas linhas de pesquisa diferentes. Na primeira delas, duas estratégias para a utilização da transformada wavelet na previsão de carga via redes neurais são apresentadas. A primeira estratégia é nova. Ela consiste na criação de um modelo de previsão de carga cujas entradas são baseadas na informação da série de carga original e na informação fornecida pelas subséries no domínio wavelet. Já na segunda estratégia, o comportamento futuro da carga é conseguido através da combinação de previsões independentes de cada subsérie no domínio wavelet. A segunda linha de pesquisa investiga a aplicabilidade de uma metodologia não linear baseada no método de coordenadas em atraso para a seleção das variáveis de entrada mais significativas para previsores neurais. Esse critério é comparado com um outro critério linear baseado na função de autocorrelação. Com a utilização das metodologias supraditas, objetiva-se o desenvolvimento de previsores de carga mais robustos. Para testá-las, dados horários reais de carga e temperatura de uma concessionária de energia elétrica norte-americana são utilizados. |
Abstract: | The importance of short-term load forecasting has been increasing lately. With deregulation and competition, energy price forecasting has become a big business. Bus-load forecasting is essential to feed analytical methods utilized for determining energy prices. The variability and non-stationarity of loads are becoming worse due to the dynamics of energy prices. Besides, the number of nodal loads to be predicted does not allow frequent interactions with load forecasting experts. More autonomous load predictors are needed in the new competitive scenario. This thesis deals with two main research lines. In the first one, two different strategies for successfully embedding the Discrete Wavelet Transform into Artificial Neural Networksbased short-term load forecasting is presented. The first strategy is new. It consists of creating a model for load forecasting whose inputs are based on information from the original load sequence and from wavelet domain subseries, as well. The second alternative predicts the load’s future behavior by independently forecasting each subseries in the wavelet domain. The other research line evaluates the feasibility of a nonlinear criterion based on the method of delay coordinates for determining the best set of input variables for a neural forecaster. This criterion is fully compared to another linear criterion based on the autocorrelation function. The main goal of this work is to develop more robust load forecasting algorithms. Hourly load and temperature data for a North-American electric utility are used to test the proposed methodologies. |
Palavras-chave: | Previsão de carga Redes neurais Reconstrução do espaço-fase Transformada wavelet |
CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA ELÉTRICA |
Idioma: | por |
País: | Brasil |
Editor: | Universidade Federal de Itajubá |
Sigla da Instituição: | UNIFEI |
metadata.dc.publisher.department: | IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação |
metadata.dc.publisher.program: | Programa de Pós-Graduação: Doutorado - Engenharia Elétrica |
Tipo de Acesso: | Acesso Aberto |
URI: | https://repositorio.unifei.edu.br/jspui/handle/123456789/3764 |
Data do documento: | 11-Nov-2003 |
Aparece nas coleções: | Teses |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Tese_200331245.pdf | 3,05 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.