Explorando o potencial da rede neural em histerese L2P, para previsões de energias intermitentes nos sistemas de Smartgrids

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Jesus, Daniel Freitas de
Orientador(a): Almeida, Luiz Alberto Luz de
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal do ABC
Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia da Informação
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=126403&midiaext=81196
Resumo: Coordenação de Aperfeiçoamento de Pessoal de Nivel Superior
id UFBC_1322ac25d01402d38dd81270c104d073
oai_identifier_str oai:BDTD:126403
network_acronym_str UFBC
network_name_str Repositório Institucional da UFABC
repository_id_str
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisExplorando o potencial da rede neural em histerese L2P, para previsões de energias intermitentes nos sistemas de Smartgrids2023-03-28Almeida, Luiz Alberto Luz deJesus, Daniel Freitas deUniversidade Federal do ABCPrograma de Pós-Graduação em Engenharia da InformaçãoUFABCporHISTERESEREDE NEURALFUNÇÃO DE ATIVAÇÃOENERGIAS RENOVLIMITING LOOP PROXIMITYSMARTGRIDSMULTILAYERS PERCEPTRONSHYSTERESISNEURAL NETWORKACTIVATION FUNCTIONINTERMITTENT RENEWABLE ENERGIESPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABCCoordenação de Aperfeiçoamento de Pessoal de Nivel SuperiorA histerese pode ser utilizada para controlar e prever comportamentos complexos em sistemas dinâmicos nas áreas da Ciência e Engenharia. Nesse contexto, o L²P (Limiting Loop Proximity) é um exemplo proeminente de modelo matemático para obter o efeito da histerese, devido a sua flexibilidade, com menor complexidade e baixo custo computacional, para a modelagem e simulação. Usando uma função de ativação histerética com o modelo de histerese L²P, a pesquisa atual investiga a previsão de energias renováveis intermitentes (solar e eólica), para melhorar as redes neurais, em relação ao ajuste de mínimos locais da série prevista. Este trabalho tem como objetivo demostrar que as fontes de energia intermitentes possuem grande potencial para serem utilizadas no lugar de fontes não renováveis como: petróleo, carvão mineral e gás natural. No entanto, devido à oscilação da geração intermitente eólica e solar, são necessários preditores para atender os mercados de oferta e demanda de forma segura e eficiente. À medida que as redes distribuídas e redes inteligentes penetram nos níveis globais da matriz energética, é essencial construir modelos preditivos para determinar a importância da previsão para geração em redes inteligentes. O estudo desenvolvido neste trabalho mostra que sua aplicação reduz erros na métrica de MSE (Mean Squared Error – Erro Quadrático Médio: o cálculo da média dos quadrados das diferenças entre os valores reais e previstos em um conjunto de dados), tornandose uma ferramenta em potencial. Vários fenômenos naturais e biológicos, como redes cerebrais biológicas e desenvolvimento da memória, apresentam histerese, como mostrado na revisão de literatura. Os resultados apresentados confirmam a importância da predição em um cenário de fonte de alimentação e descrevem a rede neural e os neurônios de histerese L²P, como é chamado o modelo utilizado em sua função de ativação. A rede neural do tipo Multilayer Perceptron foi desenvolvida com o modelo de histerese definido em quatro parâmetros de configuração, permitindo ajustar a curva de histerese em relação aos dados. Os quatro parâmetros: Ms , h0, Hc e ?, permitem o treinamento e a previsão de séries em relação ao histórico da curva de histerese. Os gráficos ilustram as diferenças entre três funções de ativação usadas na previsão de séries temporais. No experimento realizado, os valores da rede neural foram inferiores aos valores de Simóide, RELU e Tangente Hiperbólica. No entanto, há uma maior necessidade de processamento, que é compensada pela previsão futura, portanto, é necessário um número menor de camadas para se aproximar dos valores de treinamento. O uso da histerese resultou em uma melhor aproximação, uma vez que a curva é modelada por dados anteriores da rede neural. Por fim, mais dados de treinamento podem ajudar a melhorar o desempenho. O uso da técnica de retropropagação e gradiente descendente força a rede a atualizar os pesos com base nos dados previstos. Este método usa uma memória de atraso para atualizar a curva dependendo do sinal.http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=126403&midiaext=81196application/pdfreponame:Repositório Institucional da UFABCinstname:Universidade Federal do ABC (UFABC)instacron:UFABCinfo:eu-repo/semantics/openAccess2026-01-15T22:06:40Zoai:BDTD:126403Repositório InstitucionalPUBhttp://www.biblioteca.ufabc.edu.br/oai/oai.phpopendoar:2024-02-20T15:49:32Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)false
dc.title.pt.fl_str_mv Explorando o potencial da rede neural em histerese L2P, para previsões de energias intermitentes nos sistemas de Smartgrids
title Explorando o potencial da rede neural em histerese L2P, para previsões de energias intermitentes nos sistemas de Smartgrids
spellingShingle Explorando o potencial da rede neural em histerese L2P, para previsões de energias intermitentes nos sistemas de Smartgrids
Jesus, Daniel Freitas de
title_short Explorando o potencial da rede neural em histerese L2P, para previsões de energias intermitentes nos sistemas de Smartgrids
title_full Explorando o potencial da rede neural em histerese L2P, para previsões de energias intermitentes nos sistemas de Smartgrids
title_fullStr Explorando o potencial da rede neural em histerese L2P, para previsões de energias intermitentes nos sistemas de Smartgrids
title_full_unstemmed Explorando o potencial da rede neural em histerese L2P, para previsões de energias intermitentes nos sistemas de Smartgrids
title_sort Explorando o potencial da rede neural em histerese L2P, para previsões de energias intermitentes nos sistemas de Smartgrids
author Jesus, Daniel Freitas de
author_facet Jesus, Daniel Freitas de
author_role author
dc.contributor.advisor1.fl_str_mv Almeida, Luiz Alberto Luz de
dc.contributor.author.fl_str_mv Jesus, Daniel Freitas de
contributor_str_mv Almeida, Luiz Alberto Luz de
description Coordenação de Aperfeiçoamento de Pessoal de Nivel Superior
publishDate 2023
dc.date.issued.fl_str_mv 2023-03-28
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.uri.fl_str_mv http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=126403&midiaext=81196
url http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=126403&midiaext=81196
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.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do ABC
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Engenharia da Informação
dc.publisher.initials.fl_str_mv UFABC
publisher.none.fl_str_mv Universidade Federal do ABC
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFABC
instname:Universidade Federal do ABC (UFABC)
instacron:UFABC
instname_str Universidade Federal do ABC (UFABC)
instacron_str UFABC
institution UFABC
reponame_str Repositório Institucional da UFABC
collection Repositório Institucional da UFABC
repository.name.fl_str_mv Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)
repository.mail.fl_str_mv
_version_ 1854475890973474816

Registros relacionados