Previsão de cargas multinodais com o uso de Rede Neural ARTMAP Manhattan

• Ano de defesa: 2022
• Autor(a) principal: Gomes, Tania Tenório
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Previsão de cargas elétricas multinodais e nodais.; Distância Euclidiana; Distância de Manhattan; Teoria da Ressonância Adaptativa; Rede ARTMAP Euclidiana; Treinamento Reverso e Direto; Forecasting multinodal and nodal electrical loads; Euclidean Distance; Manhattan Distance; Adaptive Resonance Theory; ARTMAP Euclidean Network; Reverse and Forward Training
• Link de acesso: http://hdl.handle.net/11449/235011

A eficiência e a qualidade da energia elétrica sempre foram sinônimos de crescimento e desenvolvimento em qualquer sociedade. Assim, essa energia fortalece uma nação em seus aspectos tecnológicos, social e econômico. Soluções provisórias na operação como sistema de implantação e mudança na estrutura do sistema de rede como, por exemplo, de barramentos são medidas de execução para ampliação da demanda de energia. É neste contexto que as Empresas Elétricas apresentam uma contribuição em uma ação de sistemas de interligações regionais. Para remediar essa energia é imprescindível o planejamento, investimento e as propostas suprindo a falta de energia. Na literatura há poucas informações relacionadas a previsão de cargas elétricas multinodais. Esse sistema beneficia diferentes níveis de sistemas, por exemplo, o barramento. Artigos publicados com excelentes resultados têm exposto a previsão de cargas elétricas a curto prazo para tomadas de decisões e, entre as técnicas de previsão proeminente, as redes neurais artificiais têm apresentado respostas significativas em relação a sua capacidade relevante e velocidade no aprendizado. Neste trabalho é proposto duas metodologias: um estudo para previsão de cargas multinodais, utilizando uma das redes neurais da família da Teoria da Ressonância Adaptativa, intitulada ARTMAP Euclidiana com Treinamento Reverso, sendo uma nova formulação e inovação para treinamento da rede e com o mesmo banco de dados históricos desta pesquisa inseriu-se uma nova estratégia a fim de favorecer o melhor neurônio vencedor por meio da clusterização na operação com o uso da equação da distância de Manhattan, batizada com o nome de ARTMAP Manhattan, uma rede equivalente a arquitetura da rede neural ARTMAP Euclidiana visando a melhoria nas previsões multinodais em Treinamento Direto. As medidas de desempenho utilizadas para avaliar as propostas deste trabalho foram MAPE, Erro Máximo, Erro Mínimo, MAE, RMSE. Com base nas análises gráficas e nas medidas de desempenho, tem-se que a rede neural ARTMAP Euclidiana com Treinamento Reverso tem aproveitamento aceitável e a rede neural ARTMAP Manhattan atinge resultados eficientes em relação ao Treinamento Direto para as previsões de cargas nodais.