Detalhes bibliográficos
| Ano de defesa: |
2021 |
| Autor(a) principal: |
Mota, Camilla Nayara Santos |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Estadual Paulista (Unesp)
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
http://hdl.handle.net/11449/210841
|
Resumo: |
A previsão de cargas elétricas vem se tornando uma atividade fundamental para o funciona mento e operação dos sistemas elétricos de potência, visando fornecer energia elétrica aos con sumidores de maneira segura, eficaz e com menor custo de geração. O modelo proposto de sistema previsor de cargas elétricas, fundamentado em uma rede neural Perceptron, via algo ritmo backpropagation estocástico, visa obter um algoritmo que proporcione a convergência da rede neural de maneira que ela consiga escapar dos mínimos locais. Portanto, propõe-se um sistema previsor de cargas elétricas de natureza computacional que tem como objetivo supe rar os problemas apresentados pelo algoritmo backpropagation convencional. Trata-se de um método inovador, visto que não foi encontrado na literatura artigos que fizessem a abordagem da aplicação de previsão de cargas elétricas através do algoritmo backpropagation estocástico proposto. O algoritmo backpropagation estocástico consiste na atualização de pesos de maneira randômica. Os resultados obtidos na comparação se baseiam no mesmo banco de dados histó ricos de uma companhia de setor elétrico brasileiro. O modelo proposto se mostra promissor, eficiente e uma válida ferramenta para previsão de cargas elétricas. |
