Previsão de curto prazo de cargas elétricas usando combinação de redes neurais artificiais e delineamento de experimentos

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: ROCHA, Franco Bassi lattes
Orientador(a): BALESTRASSI, Pedro Paulo lattes
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Itajubá
Programa de Pós-Graduação: Programa de Pós-Graduação: Doutorado - Engenharia Elétrica
Departamento: IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação
País: Brasil
Palavras-chave em Português:
Previsão de carga elétrica de curto prazo
Ensemble de redes neurais artificiais
Planejamento de experimentos
Interseção normal a fronteira
Análise fatorial
Área do conhecimento CNPq:
CNPQ::ENGENHARIAS::ENGENHARIA ELÉTRICA::SISTEMAS ELÉTRICOS DE POTÊNCIA
Link de acesso: https://repositorio.unifei.edu.br/jspui/handle/123456789/2249
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.
id UFEI_62bba0554bac4b7f9c2a00bc5ef1de66
oai_identifier_str oai:repositorio.unifei.edu.br:123456789/2249
network_acronym_str UFEI
network_name_str Repositório Institucional da UNIFEI (RIUNIFEI)
repository_id_str
spelling 2020-12-042020-12-142020-12-14T18:48:15Z2020-12-14T18:48:15Zhttps://repositorio.unifei.edu.br/jspui/handle/123456789/2249É 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.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.porUniversidade Federal de ItajubáPrograma de Pós-Graduação: Doutorado - Engenharia ElétricaUNIFEIBrasilIESTI - Instituto de Engenharia de Sistemas e Tecnologia da InformaçãoCNPQ::ENGENHARIAS::ENGENHARIA ELÉTRICA::SISTEMAS ELÉTRICOS DE POTÊNCIAPrevisão de carga elétrica de curto prazoEnsemble de redes neurais artificiaisPlanejamento de experimentosInterseção normal a fronteiraAnálise fatorialPrevisão de curto prazo de cargas elétricas usando combinação de redes neurais artificiais e delineamento de experimentosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisBALESTRASSI, Pedro Paulohttp://lattes.cnpq.br/8999535447828760PAIVA, Anderson Paulo dehttp://lattes.cnpq.br/4728106898297335http://lattes.cnpq.br/0165435409542220ROCHA, Franco BassiROCHA, 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.info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNIFEI (RIUNIFEI)instname:Universidade Federal de Itajubá (UNIFEI)instacron:UNIFEILICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.unifei.edu.br/jspui/bitstream/123456789/2249/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52ORIGINALTese_2020025.pdfTese_2020025.pdfapplication/pdf3417165https://repositorio.unifei.edu.br/jspui/bitstream/123456789/2249/1/Tese_2020025.pdf633ea0713f31aa13048bf1ffa78772b1MD51123456789/22492020-12-14 15:48:18.098oai:repositorio.unifei.edu.br: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Repositório InstitucionalPUBhttps://repositorio.unifei.edu.br/oai/requestrepositorio@unifei.edu.br || geraldocarlos@unifei.edu.bropendoar:70442025-08-26T21:13:12.505001Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI)false
dc.title.pt_BR.fl_str_mv Previsão de curto prazo de cargas elétricas usando combinação de redes neurais artificiais e delineamento de experimentos
title Previsão de curto prazo de cargas elétricas usando combinação de redes neurais artificiais e delineamento de experimentos
spellingShingle Previsão de curto prazo de cargas elétricas usando combinação de redes neurais artificiais e delineamento de experimentos
ROCHA, Franco Bassi
CNPQ::ENGENHARIAS::ENGENHARIA ELÉTRICA::SISTEMAS ELÉTRICOS DE POTÊNCIA
Previsão de carga elétrica de curto prazo
Ensemble de redes neurais artificiais
Planejamento de experimentos
Interseção normal a fronteira
Análise fatorial
title_short Previsão de curto prazo de cargas elétricas usando combinação de redes neurais artificiais e delineamento de experimentos
title_full Previsão de curto prazo de cargas elétricas usando combinação de redes neurais artificiais e delineamento de experimentos
title_fullStr Previsão de curto prazo de cargas elétricas usando combinação de redes neurais artificiais e delineamento de experimentos
title_full_unstemmed Previsão de curto prazo de cargas elétricas usando combinação de redes neurais artificiais e delineamento de experimentos
title_sort Previsão de curto prazo de cargas elétricas usando combinação de redes neurais artificiais e delineamento de experimentos
author ROCHA, Franco Bassi
author_facet ROCHA, Franco Bassi
author_role author
dc.contributor.advisor1.fl_str_mv BALESTRASSI, Pedro Paulo
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/8999535447828760
dc.contributor.advisor-co1.fl_str_mv PAIVA, Anderson Paulo de
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/4728106898297335
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/0165435409542220
dc.contributor.author.fl_str_mv ROCHA, Franco Bassi
contributor_str_mv BALESTRASSI, Pedro Paulo
PAIVA, Anderson Paulo de
dc.subject.cnpq.fl_str_mv CNPQ::ENGENHARIAS::ENGENHARIA ELÉTRICA::SISTEMAS ELÉTRICOS DE POTÊNCIA
topic CNPQ::ENGENHARIAS::ENGENHARIA ELÉTRICA::SISTEMAS ELÉTRICOS DE POTÊNCIA
Previsão de carga elétrica de curto prazo
Ensemble de redes neurais artificiais
Planejamento de experimentos
Interseção normal a fronteira
Análise fatorial
dc.subject.por.fl_str_mv Previsão de carga elétrica de curto prazo
Ensemble de redes neurais artificiais
Planejamento de experimentos
Interseção normal a fronteira
Análise fatorial
description 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.
publishDate 2020
dc.date.issued.fl_str_mv 2020-12-04
dc.date.available.fl_str_mv 2020-12-14
2020-12-14T18:48:15Z
dc.date.accessioned.fl_str_mv 2020-12-14T18:48:15Z
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://repositorio.unifei.edu.br/jspui/handle/123456789/2249
url https://repositorio.unifei.edu.br/jspui/handle/123456789/2249
dc.language.iso.fl_str_mv por
language por
dc.relation.references.pt_BR.fl_str_mv 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.
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Itajubá
dc.publisher.program.fl_str_mv Programa de Pós-Graduação: Doutorado - Engenharia Elétrica
dc.publisher.initials.fl_str_mv UNIFEI
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação
publisher.none.fl_str_mv Universidade Federal de Itajubá
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNIFEI (RIUNIFEI)
instname:Universidade Federal de Itajubá (UNIFEI)
instacron:UNIFEI
instname_str Universidade Federal de Itajubá (UNIFEI)
instacron_str UNIFEI
institution UNIFEI
reponame_str Repositório Institucional da UNIFEI (RIUNIFEI)
collection Repositório Institucional da UNIFEI (RIUNIFEI)
bitstream.url.fl_str_mv https://repositorio.unifei.edu.br/jspui/bitstream/123456789/2249/2/license.txt
https://repositorio.unifei.edu.br/jspui/bitstream/123456789/2249/1/Tese_2020025.pdf
bitstream.checksum.fl_str_mv 8a4605be74aa9ea9d79846c1fba20a33
633ea0713f31aa13048bf1ffa78772b1
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI)
repository.mail.fl_str_mv repositorio@unifei.edu.br || geraldocarlos@unifei.edu.br
_version_ 1854751275691802624

Registros relacionados