Desenvolvimento de método baseado em redes neurais profundas para estimação de demanda de curto prazo

• Ano de defesa: 2020
• Autor(a) principal: Lopes, Sofia Moreira de Andrade
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: análise de séries temporais; artificial neural networks; autoencoder networks; dynamic systems; load forecasting; previsão de demanda de potência ativa; redes autoencoder; redes neurais artificiais; sistemas dinâmicos; time series analysis
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-02042024-111301/

A previsão de demanda de potência ativa é um quesito importante para o planejamento da operação do setor elétrico. A informação sobre a demanda futura auxilia na manutenção da qualidade de energia, influencia economicamente o setor, sendo vital para realizar o balanço entre geração e demanda, e afeta diretamente as relações de compra e venda de energia. Dentre os métodos encontrados na literatura, as técnicas de soft computing (redes neurais artificiais (RNA), sistemas fuzzy (SF) e máquinas de vetores de suporte (MVS)) se destacam em certos problemas por apresentarem resultados com baixos erros e maior aderência a diferentes tipos de cenários, principalmente quando comparadas com técnicas de estimação linear. Neste trabalho, o método proposto consiste na criação de uma estrutura de RNA profunda (RNAP) para realizar a previsão da demanda para um horizonte de 30 minutos. A utilização da técnica de RNA, ao invés de uma técnica linear, foi justificada através da realização de um teste de hipótese com o problema proposto. Para avaliar o desempenho do método proposto, sua previsão será comparada com a previsão realizada por uma técnica tradicional de RNA. A avaliação dos dois modelos foi realizada utilizando uma série temporal de demanda, obtida a partir de um alimentador conectado a uma subestação; foram utilizadas medições para o período de um ano. Considerando a acurácia e a aderência do modelo de estimação, os resultados obtidos indicam a superioridade da RNAP em relação à técnica tradicional. Desta forma, o método proposto apresentou, na maioria dos casos analisados, modelos mais simples, com erros menores e maior grau de aderência.