Multinodal Load Forecasting in Power Electric Systems using a Neural Network with Radial Basis Function

In this paper we present the results of the use of a methodology for multinodal load forecasting through an artificial neural network-type Multilayer Perceptron, making use of radial basis functions as activation function and the Backpropagation algorithm, as an algorithm to train the network. This methodology allows you to make the prediction at various points in power system, considering different types of consumers (residential, commercial, industrial) of the electric grid, is applied to the problem short-term electric load forecasting (24 hours ahead). We use a database (Centralised Dataset - CDS) provided by the Electricity Commission de New Zealand to this work.

Short-Term Multinodal Load Forecasting Using a Modified General Regression Neural Network

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Short-term multinodal load forecasting in distribution systems using general regression neural networks

Multinodal load forecasting deals with the loads of several interest nodes in an electrical network system, which is also known as bus load forecasting. To perform this demand, it is necessary a technique that is precise, trustable and has a short-time processing. This paper proposes two methodologies based on general regression neural networks for short-term multinodal load forecasting. The first individually forecast the local loads and the second forecast the global load and individually forecast the load participation factors to estimate the local loads. To design the forecasters it wasn't necessary the previous study of the local loads. Tests were made using a New Zealand distribution subsystem and the results obtained are compatible with the ones founded in the specialized literature. © 2011 IEEE.

Previsão de carga multinodal utilizando redes neurais de regressão generalizada

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Sistema inteligente para previsão de carga multinodal em sistemas elétricos de potência

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Previsão de carga multinodal usando a rede neural ART-ARTMAP fuzzy

Pós-graduação em Engenharia Elétrica - FEIS

Relações de controle modelo-comparação e equivalência de estímulos em arranjo multinodal

A formação de classes de equivalência parece ocorrer se for possível assegurar o controle consistente pelas relações de controle do tipo modelo-S+ (seleção) ou simultaneamente por ambos os tipos de relações de controle (modelo-S+ e modelo-S-). Relações de controle do tipo modelo-S- parecem dificultar a emergência de equivalência de estímulos. Este estudo pretendeu verificar os efeitos de procedimentos programados para induzir o controle exclusivo por rejeição (modelo-S-) e por seleção (modelo-S+) ou por ambos os tipos de relações de controle (modelo-S+ e modelo-S-) na formação de classes de equivalência. O estudo visou, ainda, identificar o tipo de relações de controle estabelecidos no treino. Participaram do Experimento 1 cinco estudantes da 1ª série do ensino médio. Foram utilizados três conjuntos de estímulos visuais nos treinos programados para induzir as relações modelo-S+, modelo-S- e ambas. As escolhas forma efetuadas com mouse. Nas tentativas iniciais do treino de todas as discriminações condicionais, foi utilizado um prompt que informava, a figura que deveria ser escolhida ou a figura que não deveria ser escolhida. Durante o treino programado para induzir as relações de controle modelo-S- e modelo-S+, uma máscara substituía, respectivamente, o estímulo de comparação correto e o incorreto. No treino que visava induzir ambas as relações, os dois tipos de tentativas eram apresentadas de forma randomizada. Todos os participantes foram expostos ao treino das discriminações condicionais EF, DE, CD, BC e AB, por meio do procedimento de emparelhamento com o modelo, nos três tipos de treino das relações de controle. Após o treino foram conduzidas sondas de equivalência (FA, EA, DA, CA, FB, FC, FD e FA) e as sondas das relações de controle. Cada dois participantes foram expostos a uma seqüência diferente dos treinos programados para induzir os três tipos de relações de controle. Para identificar o tipo de relação de controle estabelecido durante o treino foram utilizados os testes blank comparison e do estímulo novo. Independentemente da relação de controle estabelecida no treino, nenhum dos participantes apresentou formação de classes de equivalência. As sondas das relações de controle, no teste blank comparison, mostraram desempenhos inconsistentes em todos os participantes, nos treinos para induzir as relações de controle do tipo modelo-S-, indicou o estabelecimento de relações de controle do tipo modelo-S+ entre o estímulo modelo e a máscara. As sondas de controle, no teste do estímulo novo, mostraram desempenho inconsistente para a maioria dos participantes. Os resultados sugerem que os treinos programados não induziram as relações de controle previstas. O Experimento 2 foi conduzido com outros 6 alunos do ensino médio e teve como objetivo verificar o efeito dos treinos programados para induzir as relações de controle modelo-S+, modelo-S- e ambas na formação de classes de equivalência. O prompt verbal usado no experimento 1 foi removido e foi aplicado um pré-treino por tentativa e erro, ensinado as discriminações condicionais e mostrando o estímulo sob a máscara. As demais condições do experimento 1 foram mantidas. Dois participantes apresentaram imediata formação de classes de equivalência na condição programada para induzir relações de controle modelo-S+/modelo-S-, e um destes participantes também apresentou estes desempenhos emergentes na condição modelo- S+. Na condição modelo-S+/modelo-S- todos os participantes escolheram-S+ nas sondas de controle (teste blank comparison). Na condição modelo-S-, 3 participantes escolheram sempre a máscara, sugerindo o estabelecimento de discriminações simples entre estímulo modelo e máscara. Na condição modelo-S+, um participante escolheu apenas o S+, dois fizeram escolhas ao S+ ou ao S- e os demais mostraram inconsistências em suas escolhas. No teste do estímulo novo, na condição modelo-S+, verificaram-se escolhas consistentes para os dois participantes que mostraram imediata formação de classes de equivalência. Na condição modelo-S+, nas tentativas que avaliam o controle por seleção, quatro participantes escolheram somente o estímulo correto e os demais fizeram escolhas inconsistentes. Quando era avaliado o controle por rejeição, a maioria das escolhas foi ao S- e à janela vazia, somente um estudante escolheu o estímulo novo. Os resultados sugerem que os treinos programados para induzir a relações de controle modelo-S+ e modelo-S+/modelo-S- facilitam a formação de classes de equivalência e que o treino programado para induzir o controle modelo-Sdificulta a formação de classes.

Desenvolvimento de um programa de simulação computacional de sistemas de aquecimento solar para água

Esta Tese apresenta uma análise do comportamento térmico de um sistema de aquecimento solar operando por termossifão. Neste tipo de sistema o fluido no coletor solar é circulado por convecção natural, que acontece devido à diferença de massa específica da água ao longo circuito. Nestes sistemas a vazão mássica varia ao longo do dia e do ano, dependendo, dentre outros fatores, da irradiância solar absorvida, do perfil de temperaturas da água no sistema, da geometria, do volume e do perfil de demanda de água quente. Para uma avaliação detalhada do comportamento térmico de aquecedores solares operando por termossifão foram realizados ensaios experimentais e cálculos teóricos. Os resultados dos experimentos concordaram com aqueles apresentados na literatura e sua análise fundamentou o desenvolvimento do aplicativo TermoSim, um programa de simulação computacional do comportamento térmico de sistemas de aquecimento de água com energia solar. O tratamento matemático adotado no TermoSim compreende a modelagem dos coletores solares de acordo com a teoria de Hottel-Bliss-Whillier. O reservatório térmico é modelado com estratificação térmica, convecção e condução entre as camadas. A vazão mássica é obtida a partir do balanço da quantidade de movimento no circuito. Os modelos matemáticos empregados na construção do aplicativo TermoSim foram validados através do confronto dos resultados simulados com medidas experimentais. Foi demonstrado que a utilização destes modelos é adequada e permite reproduzir com precisão o comportamento térmico dos coletores solares e do reservatório térmico. Além do programa TermoSim, foi também desenvolvido o programa TermoDim, que é uma ferramenta para o dimensionamento de sistemas de aquecimento solar, que requer apenas o conhecimento dos parâmetros geométricos do sistema, dados meteorológicos em média mensal e informação a respeito do volume de demanda. O TermoDim é apropriado para estimar o desempenho de aquecedores solares operando por termossifão com tanques verticais e horizontais. O método de dimensionamento do TermoDim é baseado na correlação para a eficiência média mensal obtida neste trabalho a partir de um grande número de simulações.

Preprocessing data for short-term load forecasting with a general regression neural network and a moving average filter

This paper proposes a filter based on a general regression neural network and a moving average filter, for preprocessing half-hourly load data for short-term multinodal load forecasting, discussed in another paper. Tests made with half-hourly load data from nine New Zealand electrical substations demonstrate that this filter is able to handle noise, missing data and abnormal data. © 2011 IEEE.