Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/259916
Type: DISSERTAÇÃO DIGITAL
Degree Level: Mestrado
Title: Um estudo de caso para a previsão de carga de médio e longo prazo brasileira
Title Alternative: A case study for medium and long term brazilian load forecast
Author: Moreira, Max Olinto, 1986-
Advisor: Ohishi, Takaaki, 1955-
Abstract: Resumo: Para que os investimentos a serem aplicados em um sistema elétrico de potência possam atender a totalidade da demanda futura, de forma contínua, segura, otimizada e procurando reduzir os prejuízos dos agentes do setor, é necessário que ocorra um planejamento baseado em estimativas de crescimento do consumo de eletricidade. Dado que os investimentos de longo prazo são carac-terizados por serem de grande porte e lenta maturação, diretrizes devem ser observadas para que todo o sistema possa acompanhar a trajetória de crescimento. Como primeiro passo, é importante que a escolha das variáveis que possivelmente estão correlacionadas com o aumento da demanda seja feita de forma coerente. Em seguida, mecanismos ou métodos que se utilizam destas variáveis para estimar o comportamento do consumo de carga merecem certa atenção quanto à sua formulação, pois assumem papel substancial em todo o cenário de planejamento. Neste sentido, foi realizado um estudo de caso onde os resultados abrangem um período de médio e longo prazo. Os experimentos consistiram, basicamente, em variar os modelos de previsão, as variáveis de entrada, o intervalo das séries e a discretização das séries. Uma análise comparativa dos resultados foi elaborada tomando por base o erro percentual médio absoluto das previsões para cada classe de consumo, das quais fazem parte a residencial, comercial e industrial. Foram adotados, como modelos de previsão, métodos computacionais bastante difundidos na literatura, dos quais citam-se as Redes Neurais Artificiais, a Regressão Linear Múltipla e as técnicas de Alisamento Exponencial. Considerando que a energia tem uma tendência positiva ao consumo e que existe certa complexidade no processo de planejamento em função das incertezas, este trabalho procurou investigar maneiras de reduzir os erros entre a carga prevista e a carga verificada

Abstract: For investments to be applied on a power system can meet all future demand, continuous, safe, optimized and seeking to reduce the losses of electric sector agents, it is necessary that planning occurs based on growth estimates consumption of electricity. Given that longterm investments are characterized to be large and slow maturation, guidelines must be met for the entire system can track the trajectory of growth. As a first step, it is important that the choice of variables that are possibly correlated with the increased demand is made consistently. Then, mechanisms or methods that make use of these variables to estimate the behavior of the consumer load deserve some attention for their formulation, they assume substantial role in the whole planning scenario. In this sense, a case study where the results cover a period of medium and long term was held. The experiments consisted basically in range forecast models, input variables, the range of the series and the discretization of the series. A comparative analysis of the results, was developed taking as a basis the mean absolute percentage error of the forecast for each consumer class, which is part residential, commercial and industrial. As forecasting models, computational methods widespread in literature, of which we mention the Artificial Neural Network, Multiple Linear Regression and Exponential Smoothing techniques were adopted. Whereas the energy is a positive trend for consumption and that there is some complex in the planning process due to the uncertainties, this study sought to investigate ways to reduce errors between the expected load and the load checked
Subject: Previsão de Carga
Redes neurais (Computação)
Inteligência artificial
Editor: [s.n.]
Date Issue: 2015
Appears in Collections:FEEC - Tese e Dissertação

Files in This Item:
File SizeFormat 
Moreira_MaxOlinto_M.pdf10.85 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.