[pt] PREVISÃO DE POTÊNCIA REATIVA

• Ano de defesa: 2005
• Autor(a) principal: ELIANE DA SILVA CHRISTO
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] POTENCIA REATIVA; [pt] MAPAS AUTO-ORGANIZAVEIS DE KOHONEN; [pt] MODELO DE DEFASAGEM; [pt] MINIMOS QUADRADOS; [en] REACTIVE POWER; [en] KOHONEN SELF-ORGANIZED MAP; [en] LAGS MODEL; [en] LEAST SQUARES
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=7622&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=7622&idi=2; http://doi.org/10.17771/PUCRio.acad.7622

[pt] No novo modelo do Setor Elétrico é essencial desenvolver novas técnicas que estimem valores futuros, a curto e longo-prazos, das potências ativa e reativa. Com base nisso, este trabalho tem por objetivo apresentar uma nova técnica de previsão horária de potência reativa a curto-prazo, por subestação, baseada na linearidade existente entre as potências ativa e reativa. O modelo proposto, denominado de Modelo Híbrido de Previsão de Reativo, é dividido em duas etapas: A primeira etapa é feita uma classificação dos dados através de uma rede neural não supervisionada Mapas Auto-Organizáveis de Kohonen (SOM); A segunda etapa, utiliza-se um modelo de defasagem distribuída auto-regressivo (ADL) com estimação de Mínimos Quadrados Reponderados Iterativamente (IRLS) acoplado a uma correção para autocorrelação serial dos resíduos - Método Iterativo de Cochrane-Orcutt. Este Modelo Híbrido tem como variável dependente a potência reativa, e como variáveis explicativas dados horários de potência ativa e reativa no instante atual e defasadas no tempo. A previsão de potência reativa a curto-prazo é dividida em in sample e em out of sample. A previsão out of sample é aplicada a períodos horários em até um mês à frente. O modelo proposto é aplicado aos dados de uma concessionária específica de Energia Elétrica e os resultados são comparados a um modelo de Regressão Dinâmica convencional e a um modelo de Redes Neurais Artificiais Feedforward de Múltiplas camadas (MLP) com um algoritmo de retropropagação do erro.