ENSAIOS EM PREVISÃO DE CARGA A CURTO PRAZO

Detalhes bibliográficos
Ano de defesa: 2003
Autor(a) principal: LACIR JORGE SOARES
Orientador(a): REINALDO CASTRO SOUZA lattes
Banca de defesa: MONICA BARROS, LEONARDO ROCHA SOUZA, MARCELO CUNHA MEDEIROS
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO
Programa de Pós-Graduação: PPG EM ENGENHARIA ELÉTRICA
Departamento: Não Informado pela instituição
País: BR
Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=4438@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=4438@2
Resumo: A previsão de carga é considerada uma poderosa ferramenta no controle e planejamento de sistemas elétricos. Um grande número de pesquisadores têm sugerido, recentemente, diversas técnicas para previsão de carga a curto prazo. Este trabalho estuda a aplicabilidade de modelos lineares. O trabalho pretende ser uma base para uma aplicação real de previsão. Os modelos foram desenvolvidos e testados com dados reais de carga de uma empresa de eletricidade situada no sudeste de Brasil. Todos os modelos são propostos para dados secionais, isto é, a série de carga de cada hora é estudada separadamte como uma série única. Esta abordagem evita a modelagem de padrões intra-dia (perfil da carga) complexos apresentados pela série de carga, que variam durante os dias da semana e nas estações. Três modelos são estudados, primeiro um modelo um modelo SARIMA ajustado por variáveis binárias DASARIMA, adotado como modelo de referência, o segundo um modelo em duas etapas que considera a existência de componentes determinísticos para modelar a tendência, a sazonalidade e os efeitos do calendário, denominado modelo autorregressivo sazonal em dois níveis - TLSAR; e o último um modelo de de memória longa generalizada ajustado por variáveis binárias - DAGLM. Os resultados dos ensaios mostraram que os modelos horários são bem apropriados para uma aplicação de previsão. Os erros de previsão, das duas últimas abordagens, são menores que os do modelo de referência, DASARIMA. O trabalho sugere que este tipo de modelos horários devem ser testados mais completamente a fim de fornecer uma opinião final sobre sua aplicabilidade.
id PUC_RIO-1_0adc766ad7b6d8b8aefafa3c9702b421
oai_identifier_str oai:MAXWELL.puc-rio.br:4438
network_acronym_str PUC_RIO-1
network_name_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository_id_str
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisENSAIOS EM PREVISÃO DE CARGA A CURTO PRAZO ESSAYS ON SHORT-TERM LOAD FORECASTING 2003-07-31REINALDO CASTRO SOUZA09951768687lattes.cnpq.brREINALDO CASTRO SOUZA09951768687lattes.cnpq.brMARCELO CUNHA MEDEIROS01672139708lattes.cnpq.br/1545155828572491LEONARDO ROCHA SOUZA02594817775lattes.cnpq.br/5083288091201843MONICA BARROSLEONARDO ROCHA SOUZALEONARDO ROCHA SOUZALEONARDO ROCHA SOUZAMARCELO CUNHA MEDEIROSLACIR JORGE SOARESPONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIROPPG EM ENGENHARIA ELÉTRICAPUC-RioBRA previsão de carga é considerada uma poderosa ferramenta no controle e planejamento de sistemas elétricos. Um grande número de pesquisadores têm sugerido, recentemente, diversas técnicas para previsão de carga a curto prazo. Este trabalho estuda a aplicabilidade de modelos lineares. O trabalho pretende ser uma base para uma aplicação real de previsão. Os modelos foram desenvolvidos e testados com dados reais de carga de uma empresa de eletricidade situada no sudeste de Brasil. Todos os modelos são propostos para dados secionais, isto é, a série de carga de cada hora é estudada separadamte como uma série única. Esta abordagem evita a modelagem de padrões intra-dia (perfil da carga) complexos apresentados pela série de carga, que variam durante os dias da semana e nas estações. Três modelos são estudados, primeiro um modelo um modelo SARIMA ajustado por variáveis binárias DASARIMA, adotado como modelo de referência, o segundo um modelo em duas etapas que considera a existência de componentes determinísticos para modelar a tendência, a sazonalidade e os efeitos do calendário, denominado modelo autorregressivo sazonal em dois níveis - TLSAR; e o último um modelo de de memória longa generalizada ajustado por variáveis binárias - DAGLM. Os resultados dos ensaios mostraram que os modelos horários são bem apropriados para uma aplicação de previsão. Os erros de previsão, das duas últimas abordagens, são menores que os do modelo de referência, DASARIMA. O trabalho sugere que este tipo de modelos horários devem ser testados mais completamente a fim de fornecer uma opinião final sobre sua aplicabilidade.Load forecasting has been considered a powerful tool in managing and planning power systems. Several tecniques have been recently suggested for short-term load forecasting by a large number of researchers. This work studies the applicability of linear models in the area is intended to be a basis for a real forecasting application. The models were developed and tested on the real load data of a utility company located in the southeast of Brazil. All models are proposed for sectional data, that is, each hour's load is studied separately as a single series. This approach avoids modeling the intricate intra-day pattern (load profile) displayed by the load, wich varies throughout days of the week and seasons. Three models are studied, the first one a Dummy-Adjusted Seasonal Integrated Autoregressive Moving Average model - DASARIMA, acting as a benchmark, the second a two-step modeling that makes use of deterministic components to model trend, seasonality and calendar effects, called Two-Level Seasonal Autoregressive model - TLSAR; and the last one a Dummy-Adjusted Generalized Long Memory model - DAGLM. The test results showed that the hourly models are well suitable for forecasting application. The forecasting errors of the last two approaches were smaller than those of the DASARIMA benchmark. The work suggests that this kind of hourly models should be implemented in a through on-line testing in order to provide a final opinion on its applicability.https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=4438@1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=4438@2porreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccess2023-06-26T08:45:07ZRepositório InstitucionalPRI
dc.title.pt.fl_str_mv ENSAIOS EM PREVISÃO DE CARGA A CURTO PRAZO
dc.title.alternative.en.fl_str_mv ESSAYS ON SHORT-TERM LOAD FORECASTING
title ENSAIOS EM PREVISÃO DE CARGA A CURTO PRAZO
spellingShingle ENSAIOS EM PREVISÃO DE CARGA A CURTO PRAZO
LACIR JORGE SOARES
title_short ENSAIOS EM PREVISÃO DE CARGA A CURTO PRAZO
title_full ENSAIOS EM PREVISÃO DE CARGA A CURTO PRAZO
title_fullStr ENSAIOS EM PREVISÃO DE CARGA A CURTO PRAZO
title_full_unstemmed ENSAIOS EM PREVISÃO DE CARGA A CURTO PRAZO
title_sort ENSAIOS EM PREVISÃO DE CARGA A CURTO PRAZO
dc.creator.ID.none.fl_str_mv
dc.creator.Lattes.none.fl_str_mv
author LACIR JORGE SOARES
author_facet LACIR JORGE SOARES
author_role author
dc.contributor.advisor2ID.none.fl_str_mv 09951768687
dc.contributor.advisor1.fl_str_mv REINALDO CASTRO SOUZA
dc.contributor.advisor1ID.fl_str_mv 09951768687
dc.contributor.advisor1Lattes.fl_str_mv lattes.cnpq.br
dc.contributor.advisor2.fl_str_mv REINALDO CASTRO SOUZA
dc.contributor.advisor2Lattes.fl_str_mv lattes.cnpq.br
dc.contributor.advisor-co1.fl_str_mv MARCELO CUNHA MEDEIROS
dc.contributor.advisor-co1ID.fl_str_mv 01672139708
dc.contributor.advisor-co1Lattes.fl_str_mv lattes.cnpq.br/1545155828572491
dc.contributor.advisor-co2.fl_str_mv LEONARDO ROCHA SOUZA
dc.contributor.advisor-co2ID.fl_str_mv 02594817775
dc.contributor.advisor-co2Lattes.fl_str_mv lattes.cnpq.br/5083288091201843
dc.contributor.referee1.fl_str_mv MONICA BARROS
dc.contributor.referee2.fl_str_mv LEONARDO ROCHA SOUZA
dc.contributor.referee3.fl_str_mv LEONARDO ROCHA SOUZA
dc.contributor.referee4.fl_str_mv LEONARDO ROCHA SOUZA
dc.contributor.referee5.fl_str_mv MARCELO CUNHA MEDEIROS
dc.contributor.author.fl_str_mv LACIR JORGE SOARES
contributor_str_mv REINALDO CASTRO SOUZA
REINALDO CASTRO SOUZA
MARCELO CUNHA MEDEIROS
LEONARDO ROCHA SOUZA
MONICA BARROS
LEONARDO ROCHA SOUZA
LEONARDO ROCHA SOUZA
LEONARDO ROCHA SOUZA
MARCELO CUNHA MEDEIROS
description A previsão de carga é considerada uma poderosa ferramenta no controle e planejamento de sistemas elétricos. Um grande número de pesquisadores têm sugerido, recentemente, diversas técnicas para previsão de carga a curto prazo. Este trabalho estuda a aplicabilidade de modelos lineares. O trabalho pretende ser uma base para uma aplicação real de previsão. Os modelos foram desenvolvidos e testados com dados reais de carga de uma empresa de eletricidade situada no sudeste de Brasil. Todos os modelos são propostos para dados secionais, isto é, a série de carga de cada hora é estudada separadamte como uma série única. Esta abordagem evita a modelagem de padrões intra-dia (perfil da carga) complexos apresentados pela série de carga, que variam durante os dias da semana e nas estações. Três modelos são estudados, primeiro um modelo um modelo SARIMA ajustado por variáveis binárias DASARIMA, adotado como modelo de referência, o segundo um modelo em duas etapas que considera a existência de componentes determinísticos para modelar a tendência, a sazonalidade e os efeitos do calendário, denominado modelo autorregressivo sazonal em dois níveis - TLSAR; e o último um modelo de de memória longa generalizada ajustado por variáveis binárias - DAGLM. Os resultados dos ensaios mostraram que os modelos horários são bem apropriados para uma aplicação de previsão. Os erros de previsão, das duas últimas abordagens, são menores que os do modelo de referência, DASARIMA. O trabalho sugere que este tipo de modelos horários devem ser testados mais completamente a fim de fornecer uma opinião final sobre sua aplicabilidade.
publishDate 2003
dc.date.issued.fl_str_mv 2003-07-31
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=4438@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=4438@2
url https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=4438@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=4438@2
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO
dc.publisher.program.fl_str_mv PPG EM ENGENHARIA ELÉTRICA
dc.publisher.initials.fl_str_mv PUC-Rio
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO
dc.source.none.fl_str_mv reponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)
instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron:PUC_RIO
instname_str Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron_str PUC_RIO
institution PUC_RIO
reponame_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
collection Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1776626285805568000

Registros relacionados