Previsão de demanda de carregamento para veículos elétricos a curto prazo utilizando Rede Neural Artificial

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: Formaggio, Giovanni Panegossi
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Estadual Paulista (Unesp)
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Veículos elétricos
Redes neurais artificiais
Previsão de cargas elétricas
Rede feedforward de multicamadas
Estação de carregamento
Carregamento residencial
Treinamento de regularização bayesiana
Electric vehicles
Artificial neural networks
Load forecasting
Feedforward multilayer network
Charging station
Residential charging
Bayesian regularization training
Link de acesso: http://hdl.handle.net/11449/204704
Resumo: Veículos elétricos vêm se tornando cada vez mais presentes no nosso cotidiano e a sua implantação e crescimento apresentam novos desafios ao sistema de energia elétrica, devido à alta necessidade de cargas armazenadas pelo carregamento. A previsão da demanda de cargas gerada pelo carregamento desses veículos utilizando redes neurais artificiais demonstra ser uma ferramenta muito eficiente para resolução desse tipo de problema. Foi proposto nesse trabalho o uso de uma rede do tipo feedforward com multicamadas usando o treinamento de regularização bayesiana. Nessa pesquisa, utiliza-se banco de dados reais para o processo de treinamento e teste, com intuito de gerar um resultado de previsão realista. Foram utilizados três bancos de dados separados em dois ambientes distintos, um para estação de carregamento e outro de carregamento de veículos residenciais. A metodologia proposta apresentou bons resultados, tendo potencial para ser aplicada na prática em todos os ambientes estudados. Foi observado também que no ambiente de estação de carregamento a previsão apresentou uma dificuldade em relação a ambiente de carregamentos residenciais, por se tratar de um ambiente com um tipo de carregamento mais imprevisível.
id UNSP_dc73f689bad83112fd92844b66f1d956
oai_identifier_str oai:repositorio.unesp.br:11449/204704
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str
spelling Previsão de demanda de carregamento para veículos elétricos a curto prazo utilizando Rede Neural ArtificialShort-term charging demand forecasting of electrical vehicles using Artificial Neural NetworksVeículos elétricosRedes neurais artificiaisPrevisão de cargas elétricasRede feedforward de multicamadasEstação de carregamentoCarregamento residencialTreinamento de regularização bayesianaElectric vehiclesArtificial neural networksLoad forecastingFeedforward multilayer networkCharging stationResidential chargingBayesian regularization trainingVeículos elétricos vêm se tornando cada vez mais presentes no nosso cotidiano e a sua implantação e crescimento apresentam novos desafios ao sistema de energia elétrica, devido à alta necessidade de cargas armazenadas pelo carregamento. A previsão da demanda de cargas gerada pelo carregamento desses veículos utilizando redes neurais artificiais demonstra ser uma ferramenta muito eficiente para resolução desse tipo de problema. Foi proposto nesse trabalho o uso de uma rede do tipo feedforward com multicamadas usando o treinamento de regularização bayesiana. Nessa pesquisa, utiliza-se banco de dados reais para o processo de treinamento e teste, com intuito de gerar um resultado de previsão realista. Foram utilizados três bancos de dados separados em dois ambientes distintos, um para estação de carregamento e outro de carregamento de veículos residenciais. A metodologia proposta apresentou bons resultados, tendo potencial para ser aplicada na prática em todos os ambientes estudados. Foi observado também que no ambiente de estação de carregamento a previsão apresentou uma dificuldade em relação a ambiente de carregamentos residenciais, por se tratar de um ambiente com um tipo de carregamento mais imprevisível.Electric vehicles are becoming increasingly present in our daily lives and their implementation and growth present great new challenges to the electric power system, due to the high need for charges stored by charging. The load forecasting, generated by loading these vehicles, using artificial neural networks proves to be a very efficient tool for solving this type of problem. This work proposes the use of a feedforward network with multilayers using Bayesian regularization training. In this research, real databases are used for the training and testing process, in order to generate a realistic forecasting result. Three separate databases were used in two different environments, one for the charging station and the other for the loading of residential vehicles. The proposed methodology presented good results and pertinent to the theme, with potential to be applied in practice in all studied environments. It was also observed that, in the charging station environment, the forecast presented a difficulty in relation to the residential loading environment, as it is an environment with a more unstable loading type.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)CAPES: 001Universidade Estadual Paulista (Unesp)Lotufo, Anna Diva Plasencia [UNESP]Universidade Estadual Paulista (Unesp)Formaggio, Giovanni Panegossi2021-05-19T19:37:21Z2021-05-19T19:37:21Z2021-04-09info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/11449/20470433004099080P0porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-08-05T17:40:39Zoai:repositorio.unesp.br:11449/204704Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestrepositoriounesp@unesp.bropendoar:29462024-08-05T17:40:39Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Previsão de demanda de carregamento para veículos elétricos a curto prazo utilizando Rede Neural Artificial
Short-term charging demand forecasting of electrical vehicles using Artificial Neural Networks
title Previsão de demanda de carregamento para veículos elétricos a curto prazo utilizando Rede Neural Artificial
spellingShingle Previsão de demanda de carregamento para veículos elétricos a curto prazo utilizando Rede Neural Artificial
Formaggio, Giovanni Panegossi
Veículos elétricos
Redes neurais artificiais
Previsão de cargas elétricas
Rede feedforward de multicamadas
Estação de carregamento
Carregamento residencial
Treinamento de regularização bayesiana
Electric vehicles
Artificial neural networks
Load forecasting
Feedforward multilayer network
Charging station
Residential charging
Bayesian regularization training
title_short Previsão de demanda de carregamento para veículos elétricos a curto prazo utilizando Rede Neural Artificial
title_full Previsão de demanda de carregamento para veículos elétricos a curto prazo utilizando Rede Neural Artificial
title_fullStr Previsão de demanda de carregamento para veículos elétricos a curto prazo utilizando Rede Neural Artificial
title_full_unstemmed Previsão de demanda de carregamento para veículos elétricos a curto prazo utilizando Rede Neural Artificial
title_sort Previsão de demanda de carregamento para veículos elétricos a curto prazo utilizando Rede Neural Artificial
author Formaggio, Giovanni Panegossi
author_facet Formaggio, Giovanni Panegossi
author_role author
dc.contributor.none.fl_str_mv Lotufo, Anna Diva Plasencia [UNESP]
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Formaggio, Giovanni Panegossi
dc.subject.por.fl_str_mv Veículos elétricos
Redes neurais artificiais
Previsão de cargas elétricas
Rede feedforward de multicamadas
Estação de carregamento
Carregamento residencial
Treinamento de regularização bayesiana
Electric vehicles
Artificial neural networks
Load forecasting
Feedforward multilayer network
Charging station
Residential charging
Bayesian regularization training
topic Veículos elétricos
Redes neurais artificiais
Previsão de cargas elétricas
Rede feedforward de multicamadas
Estação de carregamento
Carregamento residencial
Treinamento de regularização bayesiana
Electric vehicles
Artificial neural networks
Load forecasting
Feedforward multilayer network
Charging station
Residential charging
Bayesian regularization training
description Veículos elétricos vêm se tornando cada vez mais presentes no nosso cotidiano e a sua implantação e crescimento apresentam novos desafios ao sistema de energia elétrica, devido à alta necessidade de cargas armazenadas pelo carregamento. A previsão da demanda de cargas gerada pelo carregamento desses veículos utilizando redes neurais artificiais demonstra ser uma ferramenta muito eficiente para resolução desse tipo de problema. Foi proposto nesse trabalho o uso de uma rede do tipo feedforward com multicamadas usando o treinamento de regularização bayesiana. Nessa pesquisa, utiliza-se banco de dados reais para o processo de treinamento e teste, com intuito de gerar um resultado de previsão realista. Foram utilizados três bancos de dados separados em dois ambientes distintos, um para estação de carregamento e outro de carregamento de veículos residenciais. A metodologia proposta apresentou bons resultados, tendo potencial para ser aplicada na prática em todos os ambientes estudados. Foi observado também que no ambiente de estação de carregamento a previsão apresentou uma dificuldade em relação a ambiente de carregamentos residenciais, por se tratar de um ambiente com um tipo de carregamento mais imprevisível.
publishDate 2021
dc.date.none.fl_str_mv 2021-05-19T19:37:21Z
2021-05-19T19:37:21Z
2021-04-09
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://hdl.handle.net/11449/204704
33004099080P0
url http://hdl.handle.net/11449/204704
identifier_str_mv 33004099080P0
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 Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv repositoriounesp@unesp.br
_version_ 1854954425053872128

Registros relacionados