Sistema de previsão de consumo de energia elétrica em curto prazo em função da variável temperatura utilizando redes neurais

• Ano de defesa: 2011
• Autor(a) principal: Frederico Dias Diniz, Carlos
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Pernambuco
• Palavras-chave em Português: Redes Neurais Artificiais; Previsão de consumo de energia; Regional Elétrica; Temperatura; Combinação de modelos
• Link de acesso: https://repositorio.ufpe.br/handle/123456789/5316

Na operação de um sistema de distribuição de energia elétrica, uma das etapas mais importante é a determinação da operação horária e diária, que determina as metas de distribuição da energia nas próximas horas ou dias, visando atender à demanda dos seus clientes. Assim, do ponto de vista do planejamento da operação, é necessário que se conheça previamente o consumo de energia de cada barramento utilizando-se previsões de curtíssimos prazos. Este trabalho teve como objetivo desenvolver modelos de previsão utilizando Redes Neurais Artificiais com topologia de MLP (Perceptrons Multicamadas) com horizontes de previsão horária de 7 e 14 dias para alguns barramentos do sistema de distribuição da Companhia Energética de Pernambuco. Duas metodologias são implantadas: a primeira cria dois modelos com base em dados horários de consumo de energia e temperatura média diária; a segunda cria, através de combinações, mais dois modelos utilizando como dados de entrada os modelos criados na primeira metodologia. Fazendo-se a comparação dos MAPE (Erro Médio Absoluto Percentual), conclui-se que os modelos obtidos por combinação na segunda metodologia apresentam maior incidência de menores MAPE (erro médio absoluto percentual) em comparação aos modelos apresentados na primeira metodologia. Por fim, foram realizadas também comparações dos resultados de MAPE destes modelos com os resultados de MAPE obtidos nos modelos em dois projetos de P&D (Pesquisa e Desenvolvimento), o PREVER e o PCD, ambos desenvolvidos pela UFPE em parceria com a Companhia Energética de Pernambuco (Celpe)