[en] A SHORT-TERM LOAD FORECASTING MODEL USING NEURAL NETWORK AND FUZZY LOGIC.

• Ano de defesa: 2003
• Autor(a) principal: FLAVIA CRISTINA DA COSTA SERRAO
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] REDE NEURAL; [pt] PREVISAO DE CARGA DE CURTO PRAZO; [pt] LOGICA FUZZY; [en] NEURAL NETWORKS; [en] SHORT TERM LOAD FORECASTING; [en] FUZZY LOGIC
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=3525&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=3525&idi=2; http://doi.org/10.17771/PUCRio.acad.3525

[pt] O objetivo principal desta dissertação é desenvolver um método de previsão de carga elétrica de curto prazo (previsão horária), através de um sistema híbrido (Redes Neurais e Lógica Fuzzy) utilizando temperaturas máximas e mínimas como variáveis explicativas. Como primeiro passo, foram definidos os perfis homogêneos das curvas de carga diárias através de um classificador utilizando os Mapas Auto Organizáveis (Self-Organizing Maps- SOM). Um previsor será adicionado ao esquema de previsão através da Lógica Fuzzy que associará as variáveis climáticas aos perfis criados pela SOM produzindo as previsões. O modelo foi aplicado em dados de duas concessionárias de energia elétrica do Brasil usando dados horários coletados durante dois anos.