Previsão de carga eléctrica como uma ferramenta computacional de apoio às Smart Grids
Main Author: | |
---|---|
Publication Date: | 2017 |
Other Authors: | , |
Language: | por |
Source: | Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
Download full: | http://hdl.handle.net/10400.26/18600 |
Summary: | A previsão da carga eléctrica é uma tarefa fundamental para planeamento, operação e exploração dos Sistemas de Energia Eléctrica. A importância da previsão tornou-se mais evidente com a reestruturação do sector energético nacional e com a criação de projectos ligados com as smart grids, nomeadamente em Portugal – o InovGrid. Este artigo descreve o modelo computacional de previsão do Diagrama de Carga Diária baseado no algoritmo Levenberg-Marquardt de Redes Neuronais Artificiais. Os dados a utilizar são as séries temporais de potência activa registados pelo Sistema de Telecontagem da EDP Distribuição e as séries temporais climáticas do Instituto Português do Mar e da Atmosfera, recolhidas na cidade de Évora, uma das primeiras cidades inteligentes (smart cities) em Portugal. O horizonte da previsão é de curto prazo: desde 24 horas até uma semana. Foram obtidos bons resultados observados pelos indicadores estatísticos de erros. |
id |
RCAP_ed573defc623e51a817ffc92cde9fb6c |
---|---|
oai_identifier_str |
oai:comum.rcaap.pt:10400.26/18600 |
network_acronym_str |
RCAP |
network_name_str |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
repository_id_str |
https://opendoar.ac.uk/repository/7160 |
spelling |
Previsão de carga eléctrica como uma ferramenta computacional de apoio às Smart GridsPrevisão de cargaRedes inteligentesSubestaçõesRedes neuronais artificiaisSéries temporaisA previsão da carga eléctrica é uma tarefa fundamental para planeamento, operação e exploração dos Sistemas de Energia Eléctrica. A importância da previsão tornou-se mais evidente com a reestruturação do sector energético nacional e com a criação de projectos ligados com as smart grids, nomeadamente em Portugal – o InovGrid. Este artigo descreve o modelo computacional de previsão do Diagrama de Carga Diária baseado no algoritmo Levenberg-Marquardt de Redes Neuronais Artificiais. Os dados a utilizar são as séries temporais de potência activa registados pelo Sistema de Telecontagem da EDP Distribuição e as séries temporais climáticas do Instituto Português do Mar e da Atmosfera, recolhidas na cidade de Évora, uma das primeiras cidades inteligentes (smart cities) em Portugal. O horizonte da previsão é de curto prazo: desde 24 horas até uma semana. Foram obtidos bons resultados observados pelos indicadores estatísticos de erros.Repositório ComumChemetova, SvetlanaSantos, PauloVentim-Neves, Mário2017-07-03T13:35:41Z2017-062017-06-01T00:00:00Zconference objectinfo:eu-repo/semantics/publishedVersionapplication/pdfhttp://hdl.handle.net/10400.26/18600porinfo:eu-repo/semantics/openAccessreponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiainstacron:RCAAP2025-05-02T16:25:52Zoai:comum.rcaap.pt:10400.26/18600Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireinfo@rcaap.ptopendoar:https://opendoar.ac.uk/repository/71602025-05-29T06:52:02.308966Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiafalse |
dc.title.none.fl_str_mv |
Previsão de carga eléctrica como uma ferramenta computacional de apoio às Smart Grids |
title |
Previsão de carga eléctrica como uma ferramenta computacional de apoio às Smart Grids |
spellingShingle |
Previsão de carga eléctrica como uma ferramenta computacional de apoio às Smart Grids Chemetova, Svetlana Previsão de carga Redes inteligentes Subestações Redes neuronais artificiais Séries temporais |
title_short |
Previsão de carga eléctrica como uma ferramenta computacional de apoio às Smart Grids |
title_full |
Previsão de carga eléctrica como uma ferramenta computacional de apoio às Smart Grids |
title_fullStr |
Previsão de carga eléctrica como uma ferramenta computacional de apoio às Smart Grids |
title_full_unstemmed |
Previsão de carga eléctrica como uma ferramenta computacional de apoio às Smart Grids |
title_sort |
Previsão de carga eléctrica como uma ferramenta computacional de apoio às Smart Grids |
author |
Chemetova, Svetlana |
author_facet |
Chemetova, Svetlana Santos, Paulo Ventim-Neves, Mário |
author_role |
author |
author2 |
Santos, Paulo Ventim-Neves, Mário |
author2_role |
author author |
dc.contributor.none.fl_str_mv |
Repositório Comum |
dc.contributor.author.fl_str_mv |
Chemetova, Svetlana Santos, Paulo Ventim-Neves, Mário |
dc.subject.por.fl_str_mv |
Previsão de carga Redes inteligentes Subestações Redes neuronais artificiais Séries temporais |
topic |
Previsão de carga Redes inteligentes Subestações Redes neuronais artificiais Séries temporais |
description |
A previsão da carga eléctrica é uma tarefa fundamental para planeamento, operação e exploração dos Sistemas de Energia Eléctrica. A importância da previsão tornou-se mais evidente com a reestruturação do sector energético nacional e com a criação de projectos ligados com as smart grids, nomeadamente em Portugal – o InovGrid. Este artigo descreve o modelo computacional de previsão do Diagrama de Carga Diária baseado no algoritmo Levenberg-Marquardt de Redes Neuronais Artificiais. Os dados a utilizar são as séries temporais de potência activa registados pelo Sistema de Telecontagem da EDP Distribuição e as séries temporais climáticas do Instituto Português do Mar e da Atmosfera, recolhidas na cidade de Évora, uma das primeiras cidades inteligentes (smart cities) em Portugal. O horizonte da previsão é de curto prazo: desde 24 horas até uma semana. Foram obtidos bons resultados observados pelos indicadores estatísticos de erros. |
publishDate |
2017 |
dc.date.none.fl_str_mv |
2017-07-03T13:35:41Z 2017-06 2017-06-01T00:00:00Z |
dc.type.driver.fl_str_mv |
conference object |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10400.26/18600 |
url |
http://hdl.handle.net/10400.26/18600 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia instacron:RCAAP |
instname_str |
FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
collection |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
repository.name.fl_str_mv |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia |
repository.mail.fl_str_mv |
info@rcaap.pt |
_version_ |
1833602812109389824 |