Modelo Wavelet-ANFIS aplicado na previsão de carga de curto prazo de níveis de consumo desagregado

• Ano de defesa: 2021
• Autor(a) principal: Maeda, Monara Pereira da Rosa [UNESP]
• Orientador(a): Lotufo, Anna Diva Plasencia [UNESP]
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Lógica Fuzzy; Previsão de carga de curto prazo; Redes neurais artificiais; Transformada Wavelet; ANFIS; Artificial neural networks; Short-term load forecast; Wavelet transform
• Link de acesso: http://hdl.handle.net/11449/204123

O presente trabalho tem como objetivo desenvolver um modelo baseado em redes neurais artificiais e transformada wavelet para a previsão de consumo de energia elétrica de um consumidor de nível desagregado. O conjunto de dados utilizado pertence a um Centro de Pesquisa Brasileiro e foi adquirido por meio de um medidor inteligente instalado no prédio, em que as medições foram feitas em intervalos de 15 minutos. Primeiramente, a rede neural ANFIS foi treinada com diferentes funções de pertinência com os dados brutos de consumo de energia a fim de selecionar a arquitetura que possui o melhor desempenho entre as diferentes configurações permitidas. Em seguida, usando essa arquitetura, a transformada wavelet foi aplicada aos dados de consumo de energia para remover o ruído e suavizar as curvas. Para tanto, diferentes wavelets foram utilizadas para determinar aquelas que melhor se adequam à aplicação. As previsões foram avaliadas por análise visual de gráficos e cálculo do MAPE. Os resultados obtidos com o modelo proposto são superiores quando comparados aos gerados apenas com os dados brutos. Dentre as wavelets utilizadas, aquelas que apresentam números adequados de momentos nulos, simetria e suporte compacto produziram as melhores previsões.