Previsão de demanda de carregamento para veículos elétricos a curto prazo utilizando Rede Neural Artificial

• Ano de defesa: 2021
• Autor(a) principal: Formaggio, Giovanni Panegossi
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Veículos elétricos; Redes neurais artificiais; Previsão de cargas elétricas; Rede feedforward de multicamadas; Estação de carregamento; Carregamento residencial; Treinamento de regularização bayesiana; Electric vehicles; Artificial neural networks; Load forecasting; Feedforward multilayer network; Charging station; Residential charging; Bayesian regularization training
• Link de acesso: http://hdl.handle.net/11449/204704

Veículos elétricos vêm se tornando cada vez mais presentes no nosso cotidiano e a sua implantação e crescimento apresentam novos desafios ao sistema de energia elétrica, devido à alta necessidade de cargas armazenadas pelo carregamento. A previsão da demanda de cargas gerada pelo carregamento desses veículos utilizando redes neurais artificiais demonstra ser uma ferramenta muito eficiente para resolução desse tipo de problema. Foi proposto nesse trabalho o uso de uma rede do tipo feedforward com multicamadas usando o treinamento de regularização bayesiana. Nessa pesquisa, utiliza-se banco de dados reais para o processo de treinamento e teste, com intuito de gerar um resultado de previsão realista. Foram utilizados três bancos de dados separados em dois ambientes distintos, um para estação de carregamento e outro de carregamento de veículos residenciais. A metodologia proposta apresentou bons resultados, tendo potencial para ser aplicada na prática em todos os ambientes estudados. Foi observado também que no ambiente de estação de carregamento a previsão apresentou uma dificuldade em relação a ambiente de carregamentos residenciais, por se tratar de um ambiente com um tipo de carregamento mais imprevisível.