Detalhes bibliográficos
| Ano de defesa: |
2021 |
| Autor(a) principal: |
Maeda, Monara Pereira da Rosa |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Tese
|
| 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/11449/204123
|
Resumo: |
O presente trabalho tem como objetivo desenvolver um modelo baseado em redes neurais artificiais e transformada wavelet para a previsão de consumo de energia elétrica de um consumidor de nível desagregado. O conjunto de dados utilizado pertence a um Centro de Pesquisa Brasileiro e foi adquirido por meio de um medidor inteligente instalado no prédio, em que as medições foram feitas em intervalos de 15 minutos. Primeiramente, a rede neural ANFIS foi treinada com diferentes funções de pertinência com os dados brutos de consumo de energia a fim de selecionar a arquitetura que possui o melhor desempenho entre as diferentes configurações permitidas. Em seguida, usando essa arquitetura, a transformada wavelet foi aplicada aos dados de consumo de energia para remover o ruído e suavizar as curvas. Para tanto, diferentes wavelets foram utilizadas para determinar aquelas que melhor se adequam à aplicação. As previsões foram avaliadas por análise visual de gráficos e cálculo do MAPE. Os resultados obtidos com o modelo proposto são superiores quando comparados aos gerados apenas com os dados brutos. Dentre as wavelets utilizadas, aquelas que apresentam números adequados de momentos nulos, simetria e suporte compacto produziram as melhores previsões. |
