Avaliação de métodos de previsão de cargas elétricas em curto prazo para aplicação em sistemas de distribuição inteligentes

Detalhes bibliográficos
Ano de defesa: 2013
Autor(a) principal: Garcia, Lidia Maria Dutra lattes
Orientador(a): Canha, Luciane Neves lattes
Banca de defesa: Comassetto, Lorenzo lattes, Abaide, Alzenira da Rosa lattes
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Santa Maria
Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia Elétrica
Departamento: Engenharia Elétrica
País: BR
Palavras-chave em Português:
Previsão de demanda
Redes inteligentes
Sistemas elétricos de distribuição
Redes neurais artificiais
Neurofuzzy
Palavras-chave em Inglês:
Load forecast
Smart grids
Distribution electric system
Artificial neural network
Neurofuzzzy
Área do conhecimento CNPq:
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Link de acesso: http://repositorio.ufsm.br/handle/1/8532
Resumo: In Electric Power Systems understand the future behavior of electric loads is crucial to make a decision. The long, medium and short term load forecast is essential power systems. Considering the gradual transformation of the traditional distribution systems to smart grids, where the electric system automation and online communication are effective, the forecast in very short term gets new challenges. Based on these facts, the objective of this thesis is to identify the most appropriate methods to accomplish these forecasts to contribute to decision-making in distribution systems operation. Various techniques of forecasting and simulations in different methods were studied, in order to identify which of these offers the best results regarding demand the forecast in the very short term. The quantities considered to make predictions and, which have more relevance to the horizon under study are electrical and climate. The methods used in the simulations were the Artificial Neural Networks (ANN) type recurrent Elman e NARX and Neurofuzzy.
id UFSM-20_6951cbba2b154770ef8935f12314a266
oai_identifier_str oai:repositorio.ufsm.br:1/8532
network_acronym_str UFSM-20
network_name_str Manancial - Repositório Digital da UFSM
repository_id_str
spelling 2017-05-292017-05-292013-08-09GARCIA, Lidia Maria Dutra. Evaluation of methods for prevision of loadsin electrical short term for application in distribuction system intelligent. 2013. 85 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal de Santa Maria, Santa Maria, 2013.http://repositorio.ufsm.br/handle/1/8532In Electric Power Systems understand the future behavior of electric loads is crucial to make a decision. The long, medium and short term load forecast is essential power systems. Considering the gradual transformation of the traditional distribution systems to smart grids, where the electric system automation and online communication are effective, the forecast in very short term gets new challenges. Based on these facts, the objective of this thesis is to identify the most appropriate methods to accomplish these forecasts to contribute to decision-making in distribution systems operation. Various techniques of forecasting and simulations in different methods were studied, in order to identify which of these offers the best results regarding demand the forecast in the very short term. The quantities considered to make predictions and, which have more relevance to the horizon under study are electrical and climate. The methods used in the simulations were the Artificial Neural Networks (ANN) type recurrent Elman e NARX and Neurofuzzy.Em Sistemas Elétricos de Potência conhecer o comportamento futuro das cargas elétricas é de fundamental importância para tomada de decisões. A previsão de cargas elétricas é essencial nos horizontes de longo, médio, curto e curtíssimo prazo. Tendo em vista a gradual transformação dos sistemas de distribuição tradicionais para sistemas inteligentes de distribuição, onde a automação do sistema elétrico e a comunicação online estejam efetivas, a previsão no curtíssimo prazo ganha novos desafios. Com base nesses fatos esta dissertação busca identificar os métodos mais adequados para realizar essas previsões de forma a contribuir com a tomada de decisões na operação dos sistemas de distribuição de energia elétrica. Foram estudadas várias técnicas de previsão e realizadas simulações em diferentes métodos de forma a identificar qual desses apresenta melhor resultado com relação à previsão de demanda no curtíssimo prazo. As grandezas consideradas para realizar as previsões e que apresentam maior relevância para o horizonte em estudo são elétricas e climáticas. Os métodos utilizados nas simulações foram as Redes Neurais Artificiais (RNAs) do tipo recorrente Elman e NARX e Neurofuzzy.application/pdfporUniversidade Federal de Santa MariaPrograma de Pós-Graduação em Engenharia ElétricaUFSMBREngenharia ElétricaPrevisão de demandaRedes inteligentesSistemas elétricos de distribuiçãoRedes neurais artificiaisNeurofuzzyLoad forecastSmart gridsDistribution electric systemArtificial neural networkNeurofuzzzyCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAAvaliação de métodos de previsão de cargas elétricas em curto prazo para aplicação em sistemas de distribuição inteligentesEvaluation of methods for prevision of loadsin electrical short term for application in distribuction system intelligentinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisCanha, Luciane Neveshttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4798975Y0Comassetto, Lorenzohttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4736073Z0Abaide, Alzenira da Rosahttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4774557E1http://lattes.cnpq.br/5861430057922747Garcia, Lidia Maria Dutra300400000007400500300300500ab53fdc5-93b0-417d-b96d-9442b235a1ffa2fe44d6-4d4e-4809-8e15-2d93c60475be9e2ab7ad-7b12-4fbd-a1e1-7aa79d3ac8b195bc451a-862e-45df-ac82-08282d9ab91dinfo:eu-repo/semantics/openAccessreponame:Manancial - Repositório Digital da UFSMinstname:Universidade Federal de Santa Maria (UFSM)instacron:UFSMORIGINALGARCIA, LIDIA MARIA DUTRA.pdfapplication/pdf2476554http://repositorio.ufsm.br/bitstream/1/8532/1/GARCIA%2c%20LIDIA%20MARIA%20DUTRA.pdf77f41d0b3402d84330d2aaf0981fdf97MD51TEXTGARCIA, LIDIA MARIA DUTRA.pdf.txtGARCIA, LIDIA MARIA DUTRA.pdf.txtExtracted texttext/plain114765http://repositorio.ufsm.br/bitstream/1/8532/2/GARCIA%2c%20LIDIA%20MARIA%20DUTRA.pdf.txtba0b2fca11dd53a25a61a9825d050f6cMD52THUMBNAILGARCIA, LIDIA MARIA DUTRA.pdf.jpgGARCIA, LIDIA MARIA DUTRA.pdf.jpgIM Thumbnailimage/jpeg5166http://repositorio.ufsm.br/bitstream/1/8532/3/GARCIA%2c%20LIDIA%20MARIA%20DUTRA.pdf.jpg4811e5943bec1d5d89a0903b5ce6a5fcMD531/85322022-08-25 09:34:36.462oai:repositorio.ufsm.br:1/8532Repositório Institucionalhttp://repositorio.ufsm.br/PUBhttp://repositorio.ufsm.br/oai/requestopendoar:39132022-08-25T12:34:36Manancial - Repositório Digital da UFSM - Universidade Federal de Santa Maria (UFSM)false
dc.title.por.fl_str_mv Avaliação de métodos de previsão de cargas elétricas em curto prazo para aplicação em sistemas de distribuição inteligentes
dc.title.alternative.eng.fl_str_mv Evaluation of methods for prevision of loadsin electrical short term for application in distribuction system intelligent
title Avaliação de métodos de previsão de cargas elétricas em curto prazo para aplicação em sistemas de distribuição inteligentes
spellingShingle Avaliação de métodos de previsão de cargas elétricas em curto prazo para aplicação em sistemas de distribuição inteligentes
Garcia, Lidia Maria Dutra
Previsão de demanda
Redes inteligentes
Sistemas elétricos de distribuição
Redes neurais artificiais
Neurofuzzy
Load forecast
Smart grids
Distribution electric system
Artificial neural network
Neurofuzzzy
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
title_short Avaliação de métodos de previsão de cargas elétricas em curto prazo para aplicação em sistemas de distribuição inteligentes
title_full Avaliação de métodos de previsão de cargas elétricas em curto prazo para aplicação em sistemas de distribuição inteligentes
title_fullStr Avaliação de métodos de previsão de cargas elétricas em curto prazo para aplicação em sistemas de distribuição inteligentes
title_full_unstemmed Avaliação de métodos de previsão de cargas elétricas em curto prazo para aplicação em sistemas de distribuição inteligentes
title_sort Avaliação de métodos de previsão de cargas elétricas em curto prazo para aplicação em sistemas de distribuição inteligentes
author Garcia, Lidia Maria Dutra
author_facet Garcia, Lidia Maria Dutra
author_role author
dc.contributor.advisor1.fl_str_mv Canha, Luciane Neves
dc.contributor.advisor1Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4798975Y0
dc.contributor.referee1.fl_str_mv Comassetto, Lorenzo
dc.contributor.referee1Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4736073Z0
dc.contributor.referee2.fl_str_mv Abaide, Alzenira da Rosa
dc.contributor.referee2Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4774557E1
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/5861430057922747
dc.contributor.author.fl_str_mv Garcia, Lidia Maria Dutra
contributor_str_mv Canha, Luciane Neves
Comassetto, Lorenzo
Abaide, Alzenira da Rosa
dc.subject.por.fl_str_mv Previsão de demanda
Redes inteligentes
Sistemas elétricos de distribuição
Redes neurais artificiais
Neurofuzzy
topic Previsão de demanda
Redes inteligentes
Sistemas elétricos de distribuição
Redes neurais artificiais
Neurofuzzy
Load forecast
Smart grids
Distribution electric system
Artificial neural network
Neurofuzzzy
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
dc.subject.eng.fl_str_mv Load forecast
Smart grids
Distribution electric system
Artificial neural network
Neurofuzzzy
dc.subject.cnpq.fl_str_mv CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
description In Electric Power Systems understand the future behavior of electric loads is crucial to make a decision. The long, medium and short term load forecast is essential power systems. Considering the gradual transformation of the traditional distribution systems to smart grids, where the electric system automation and online communication are effective, the forecast in very short term gets new challenges. Based on these facts, the objective of this thesis is to identify the most appropriate methods to accomplish these forecasts to contribute to decision-making in distribution systems operation. Various techniques of forecasting and simulations in different methods were studied, in order to identify which of these offers the best results regarding demand the forecast in the very short term. The quantities considered to make predictions and, which have more relevance to the horizon under study are electrical and climate. The methods used in the simulations were the Artificial Neural Networks (ANN) type recurrent Elman e NARX and Neurofuzzy.
publishDate 2013
dc.date.issued.fl_str_mv 2013-08-09
dc.date.accessioned.fl_str_mv 2017-05-29
dc.date.available.fl_str_mv 2017-05-29
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv GARCIA, Lidia Maria Dutra. Evaluation of methods for prevision of loadsin electrical short term for application in distribuction system intelligent. 2013. 85 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal de Santa Maria, Santa Maria, 2013.
dc.identifier.uri.fl_str_mv http://repositorio.ufsm.br/handle/1/8532
identifier_str_mv GARCIA, Lidia Maria Dutra. Evaluation of methods for prevision of loadsin electrical short term for application in distribuction system intelligent. 2013. 85 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal de Santa Maria, Santa Maria, 2013.
url http://repositorio.ufsm.br/handle/1/8532
dc.language.iso.fl_str_mv por
language por
dc.relation.cnpq.fl_str_mv 300400000007
dc.relation.confidence.fl_str_mv 400
500
300
300
500
dc.relation.authority.fl_str_mv ab53fdc5-93b0-417d-b96d-9442b235a1ff
a2fe44d6-4d4e-4809-8e15-2d93c60475be
9e2ab7ad-7b12-4fbd-a1e1-7aa79d3ac8b1
95bc451a-862e-45df-ac82-08282d9ab91d
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Santa Maria
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Engenharia Elétrica
dc.publisher.initials.fl_str_mv UFSM
dc.publisher.country.fl_str_mv BR
dc.publisher.department.fl_str_mv Engenharia Elétrica
publisher.none.fl_str_mv Universidade Federal de Santa Maria
dc.source.none.fl_str_mv reponame:Manancial - Repositório Digital da UFSM
instname:Universidade Federal de Santa Maria (UFSM)
instacron:UFSM
instname_str Universidade Federal de Santa Maria (UFSM)
instacron_str UFSM
institution UFSM
reponame_str Manancial - Repositório Digital da UFSM
collection Manancial - Repositório Digital da UFSM
bitstream.url.fl_str_mv http://repositorio.ufsm.br/bitstream/1/8532/1/GARCIA%2c%20LIDIA%20MARIA%20DUTRA.pdf
http://repositorio.ufsm.br/bitstream/1/8532/2/GARCIA%2c%20LIDIA%20MARIA%20DUTRA.pdf.txt
http://repositorio.ufsm.br/bitstream/1/8532/3/GARCIA%2c%20LIDIA%20MARIA%20DUTRA.pdf.jpg
bitstream.checksum.fl_str_mv 77f41d0b3402d84330d2aaf0981fdf97
ba0b2fca11dd53a25a61a9825d050f6c
4811e5943bec1d5d89a0903b5ce6a5fc
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Manancial - Repositório Digital da UFSM - Universidade Federal de Santa Maria (UFSM)
repository.mail.fl_str_mv
_version_ 1794524319997493248

Registros relacionados