dc.creator |
ROCHA, Franco Bassi |
|
dc.date.issued |
2020-12-04 |
|
dc.identifier.uri |
https://repositorio.unifei.edu.br/jspui/handle/123456789/2249 |
|
dc.description.abstract |
This work proposes a new approach to short-term load forecast for power distribution
substations using the artificial neural network ensemble. In this sense, the main objective
of this approach is to make predictions for the same time series using different tools that
are competent for this type of problem and then combine the solutions, obtaining a better
solution compared to those tools used individually. For the construction of the ensemble,
the experimental planning methodology (DOE) was used initially to identify the influence
of 6 factors related the parameterization of the ANN and from the desirability optimization
method to obtain a parameterization to determine the architecture of the neural networks
that formed the ensemble . Then, the normal intersection optimization method (NBI)
combined with the technique of exploratory factor analysis (based on mixture design of
experiments) was used to establish a set of optimal Pareto solutions for combining the
outputs produced by neural networks, forming the output of the ensemble. As a criterion
of choice, the maximum ratio between Shannon’s entropy and global percentage error was
used and based on the 72 out of sample data the ensemble of artificial neural networks
presented better results compared to each individual network. |
pt_BR |
dc.language |
por |
pt_BR |
dc.publisher |
Universidade Federal de Itajubá |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.subject |
Previsão de carga elétrica de curto prazo |
pt_BR |
dc.subject |
Ensemble de redes neurais artificiais |
pt_BR |
dc.subject |
Planejamento de experimentos |
pt_BR |
dc.subject |
Interseção normal a fronteira |
pt_BR |
dc.subject |
Análise fatorial |
pt_BR |
dc.title |
Previsão de curto prazo de cargas elétricas usando combinação de redes neurais artificiais e delineamento de experimentos |
pt_BR |
dc.type |
Tese |
pt_BR |
dc.date.available |
2020-12-14 |
|
dc.date.available |
2020-12-14T18:48:15Z |
|
dc.date.accessioned |
2020-12-14T18:48:15Z |
|
dc.creator.Lattes |
http://lattes.cnpq.br/0165435409542220 |
pt_BR |
dc.contributor.advisor1 |
BALESTRASSI, Pedro Paulo |
|
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/8999535447828760 |
pt_BR |
dc.contributor.advisor-co1 |
PAIVA, Anderson Paulo de |
|
dc.contributor.advisor-co1Lattes |
http://lattes.cnpq.br/4728106898297335 |
pt_BR |
dc.description.resumo |
É proposto neste trabalho uma nova abordagem para previsão de demanda de energia
elétrica de curto prazo para subestações de distribuição de energia utilizando o ensemble
de redes neurais artificiais. Nesse sentido, o principal objetivo desta abordagem é fazer
previsões de uma mesma série temporal através de diferentes ferramentas que sozinhas
são competentes para este tipo de problema e em seguida combinar as soluções, obtendo
uma solução melhor em comparação a essas ferramentas utilizadas de forma individual.
Para a construção do ensemble a metodologia de planejamento experimental (DOE) foi
empregada inicialmente para identificar a influência de 6 fatores relacionados a parametrização
da RNA e a partir do método de otimização desirability obter uma parametrização
para determinar a arquitetura das redes neurais que formaram o ensemble. Na sequência,
o método de otimização interseção normal a fronteira (NBI) aliado com a técnica de
análise fatorial exploratória (baseado em planejamento com experimentos de mistura) foi
utilizado para estabelecer um conjunto de soluções Pareto ótimas para a combinação das
saídas produzidas pelas redes neurais, formando a saída do ensemble. Como critério de
escolha, a razão máxima entre entropia de Shannon e erro percentual global foi utilizada
e com base nos 72 dados deixados fora da amostra o ensemble de redes neurais artificiais
apresentou melhores resultados comparados a cada rede individual. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação |
pt_BR |
dc.publisher.program |
Programa de Pós-Graduação: Doutorado - Engenharia Elétrica |
pt_BR |
dc.publisher.initials |
UNIFEI |
pt_BR |
dc.subject.cnpq |
CNPQ::ENGENHARIAS::ENGENHARIA ELÉTRICA::SISTEMAS ELÉTRICOS DE POTÊNCIA |
pt_BR |
dc.relation.references |
ROCHA, Franco Bassi. Previsão de curto prazo de cargas elétricas usando combinação de redes neurais artificiais e delineamento de experimentos. 2020. 93 f. Tese (Doutorado em Engenharia Elétrica) – Universidade Federal de Itajubá, Itajubá, 2020. |
pt_BR |