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

Modelos para previsão de carga a curto prazo através de redes neurais artificiais com treinamento baseado na teoria da informação

O conhecimento prévio do valor da carga é de extrema importância para o planejamento e operação dos sistemas de energia elétrica. Este trabalho apresenta os resultados de um estudo investigativo da aplicação de Redes Neurais Artificiais do tipo Perceptron Multicamadas com treinamento baseado na Teoria da Informação para o problema de Previsão de Carga a curto prazo. A aprendizagem baseada na Teoria da Informação se concentra na utilização da quantidade de informação (Entropia) para treinamento de uma rede neural artificial. Dois modelos previsores são apresentados sendo que os mesmos foram desenvolvidos a partir de dados reais fornecidos por uma concessionária de energia. Para comparação e verificação da eficiência dos modelos propostos um terceiro modelo foi também desenvolvido utilizando uma rede neural com treinamento baseado no critério clássico do erro médio quadrático. Os resultados alcançados mostraram a eficiência dos sistemas propostos, que obtiveram melhores resultados de previsão quando comparados ao sistema de previsão baseado na rede treinada pelo critério do MSE e aos sistemas previsores já apresentados na literatura.

Metodologias de inteligência computacional aplicadas ao problema de previsão de carga a curto prazo

Diversas atividades de planejamento e operação em sistemas de energia elétrica dependem do conhecimento antecipado e preciso da demanda de carga elétrica. Por este motivo, concessionárias de geração e distribuição de energia elétrica cada vez mais fazem uso de tecnologias de previsão de carga. Essas previsões podem ter um horizonte de curtíssimo, curto, médio ou longo prazo. Inúmeros métodos estatísticos vêm sendo utilizados para o problema de previsão. Todos estes métodos trabalham bem em condições normais, entretanto deixam a desejar em situações onde ocorrem mudanças inesperadas nos parâmetros do ambiente. Atualmente, técnicas baseadas em Inteligência Computacional vêm sendo apresentadas na literatura com resultados satisfatórios para o problema de previsão de carga. Considerando então a importância da previsão da carga elétrica para os sistemas de energia elétrica, neste trabalho, uma nova abordagem para o problema de previsão de carga via redes neurais Auto-Associativas e algoritmos genéticos é avaliada. Três modelos de previsão baseados em Inteligência Computacional são também apresentados tendo seus desempenhos avaliados e comparados com o sistema proposto. Com os resultados alcançados, pôde-se verificar que o modelo proposto se mostrou satisfatório para o problema de previsão, reforçando assim a aplicabilidade de metodologias de inteligência computacional para o problema de previsão de cargas.

Desenvolvimento de uma rede neuro-fuzzy para a previsão da carga

Pós-graduação em Engenharia Elétrica - FEIS

Estudo da previsão da carga de ruptura de estacas pré-moldadas de concreto

The piles are one of the most important types of solution adopted for the foundation of buildings. They are responsible for transmitting to the soil in deepe r and resistant layers loads from structures. The interaction of the foundation element with the soil is a very important variable, making indispensable your domain in order to determine the strength of the assembly and establish design criteria for each c ase of application of the pile. In this research analyzes were performed f rom experiments load tests for precast concrete piles and inve stigations of soil of type SPT, a study was performed for obtaining the ultimate load capacity of the foundation through methods extrapolation of load - settlement curve , semi - empirical and theoretic . After that, were realized comparisons between the different methods used for two types of soil a granular behavior and other cohesive. For obtaining soil paramet ers to be used i n the methods were established empirical correlations with the standard penetration number (NSPT). The charge - settlement curves of the piles are also analyzed. In the face of established comparisons was indicated the most reliable semiempirical method Déco urt - Quaresma as the most reliable for estimating the tensile strength for granular and cohesive soils. Meanwhile, among the methods studied extrapolation is recommended method of Van der Veen as the most appropriate for predicting the tensile strength.

Previsão de consumo de energia de curto-prazo (dia seguinte) com recurso a wavelets

A actividade de produção de energia eléctrica, bem como o seu transporte e distri-buição até aos consumidores finais iniciou-se no final do século XIX e, desde essa altura, o sector tem conhecido muitas transformações aos mais variados níveis. Mais recentemente, nas últimas décadas, o sector eléctrico tem enfrentado muitos desafios que têm contribuí-do bastante para o seu desenvolvimento e inovação. A previsão de consumos de energia eléctrica é tradicionalmente importante para o equilíbrio entre a oferta e a procura, bem como para uma rigorosa gestão e planeamento das redes eléctricas de transporte e distribuição. A sua importância é ainda reforçada, ac-tualmente, com a liberalização dos mercados energéticos, na medida que os comercializa-dores pretendem dispor de ferramentas que lhes permita estimar com precisão a curva de procura agregada de consumidores com quem contratualizam. Os sistemas de previsão de carga podem ser classificados de acordo com o horizonte temporal, sendo regularmente divididos em três categorias: previsão a longo prazo; pre-visão a médio prazo; previsão a curto prazo. Neste trabalho de dissertação, pretende-se desenvolver um sistema de previsão de consumo de energia para o dia seguinte (hora a hora) com o recurso a Wavelets, capaz de apresentar o consumo associado a cada período horário ao longo do dia. Para tal, foram desenvolvidos dois métodos que diferem entre si na forma como o conceito de Wavelets é aplicado na decomposição dos dados.

Desenvolvimento de redes neurais para previsão de cargas elétricas de sistemas de energia elétrica

Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)

Previsão de demanda de cargas elétricas por seleção de variáveis stepwise e redes neurais artificiais

Pós-graduação em Engenharia Elétrica - FEIS

Estudo e proposta de algoritmo para a minimização do corte de eólica no contexto de uma análise custo-benefício multicritério

Trabalho Final de Mestrado para obtenção do grau de Mestre em Engenharia Electrotécnica Ramo de Energia

Consumo inteligente de energia elétrica

Trabalho Final de Mestrado para obtenção do grau de Mestre em Engenharia de Redes de Comunicação e Multimédia

Desenvolvimento de um sistema dinâmico para predição de cargas elétricas por redes neurais através do paradigma de programação orientada a objeto sob a linguagem JAVA

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Controle de tensão e reativos em redes de distribuição de energia elétrica

Pós-graduação em Engenharia Elétrica - FEIS