Avaliação de métodos de previsão de cargas elétricas em curto prazo para aplicação em sistemas de distribuição inteligentes
Ano de defesa: | 2013 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | , |
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: | |
Palavras-chave em Inglês: | |
Área do conhecimento CNPq: | |
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 |