Previsão de carga no curtíssimo prazo utilizando redes neurais artificiais

Bibliographic Details
Main Author: Gomes, Rodrigo da Rosa
Publication Date: 2010
Format: Bachelor thesis
Language: por
Source: Repositório Institucional da UNIPAMPA
Download full: http://dspace.unipampa.edu.br/jspui/handle/riu/1539
Summary: The problem of load forecasting is a very important component of strategic planning and operation of systems for generation, transmission and distribution of electric energy. Due to their degree of importance and appeal of this issue, this study highlights the relevant features, diferente techniques and methods which involve the problem of load forecasting in the very short term through studies in the literature. Additionally, this work focuses mainly on methods based on Artificial Neural Networks, from artificial intelligence precisely for its high degree of generalization from which he received wide use in scientific work in recent decades. Based on these methods, this paper will demonstrate, through a computer system, the results of the load forecasts and analysis for very short term, given the different parameters discussed.
id UNIP_c6be5bdd7371e06bc9f43f06bb647842
oai_identifier_str oai:repositorio.unipampa.edu.br:riu/1539
network_acronym_str UNIP
network_name_str Repositório Institucional da UNIPAMPA
repository_id_str
spelling Previsão de carga no curtíssimo prazo utilizando redes neurais artificiaisComputer scienceLoad forecastingArtificial neural networksVery short termArtificial intelligenceCiência da computaçãoPrevisão de cargaRedes neurais artificiaisCurtíssimo PrazoInteligência artificialCNPQ::CIENCIAS EXATAS E DA TERRAThe problem of load forecasting is a very important component of strategic planning and operation of systems for generation, transmission and distribution of electric energy. Due to their degree of importance and appeal of this issue, this study highlights the relevant features, diferente techniques and methods which involve the problem of load forecasting in the very short term through studies in the literature. Additionally, this work focuses mainly on methods based on Artificial Neural Networks, from artificial intelligence precisely for its high degree of generalization from which he received wide use in scientific work in recent decades. Based on these methods, this paper will demonstrate, through a computer system, the results of the load forecasts and analysis for very short term, given the different parameters discussed.O problema da previsão de carga é um componente muito importante e estratégico para o planejamento da operação de sistemas de geração, transmissão e distribuição de energia elétrica. Devido ao seu grau de importância e do apelo deste problema, este trabalho aponta as características relevantes, diferentes técnicas e métodos que envolvem o problema de previsão de carga no curtíssimo prazo através de estudos feitos na literatura. Adicionalmente, este trabalho está focado principalmente nos métodos baseados em Redes Neurais Artificiais, oriundos da inteligência artificial justamente pelo seu alto grau de generalização que lhe conferiu ampla utilização nos trabalhos científicos das últimas décadas. Baseado nestes métodos, este trabalho demonstrará, através de um sistema computacional, os resultados de previsões de carga no curtíssimo prazo e a análise referente, dados o diferentes parâmetros abordados.Universidade Federal do PampaCampus AlegreteGarcia, Vinícius JacquesGomes, Rodrigo da Rosa2017-06-01T13:53:41Z2017-06-01T13:53:41Z2010-07-12info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesispdfapplication/pdfhttp://dspace.unipampa.edu.br/jspui/handle/riu/1539porAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNIPAMPAinstname:Universidade Federal do Pampa (UNIPAMPA)instacron:UNIPAMPA2021-04-12T19:00:11Zoai:repositorio.unipampa.edu.br:riu/1539Repositório InstitucionalPUBhttp://dspace.unipampa.edu.br:8080/oai/requestsisbi@unipampa.edu.bropendoar:2021-04-12T19:00:11Repositório Institucional da UNIPAMPA - Universidade Federal do Pampa (UNIPAMPA)false
dc.title.none.fl_str_mv Previsão de carga no curtíssimo prazo utilizando redes neurais artificiais
title Previsão de carga no curtíssimo prazo utilizando redes neurais artificiais
spellingShingle Previsão de carga no curtíssimo prazo utilizando redes neurais artificiais
Gomes, Rodrigo da Rosa
Computer science
Load forecasting
Artificial neural networks
Very short term
Artificial intelligence
Ciência da computação
Previsão de carga
Redes neurais artificiais
Curtíssimo Prazo
Inteligência artificial
CNPQ::CIENCIAS EXATAS E DA TERRA
title_short Previsão de carga no curtíssimo prazo utilizando redes neurais artificiais
title_full Previsão de carga no curtíssimo prazo utilizando redes neurais artificiais
title_fullStr Previsão de carga no curtíssimo prazo utilizando redes neurais artificiais
title_full_unstemmed Previsão de carga no curtíssimo prazo utilizando redes neurais artificiais
title_sort Previsão de carga no curtíssimo prazo utilizando redes neurais artificiais
author Gomes, Rodrigo da Rosa
author_facet Gomes, Rodrigo da Rosa
author_role author
dc.contributor.none.fl_str_mv Garcia, Vinícius Jacques
dc.contributor.author.fl_str_mv Gomes, Rodrigo da Rosa
dc.subject.por.fl_str_mv Computer science
Load forecasting
Artificial neural networks
Very short term
Artificial intelligence
Ciência da computação
Previsão de carga
Redes neurais artificiais
Curtíssimo Prazo
Inteligência artificial
CNPQ::CIENCIAS EXATAS E DA TERRA
topic Computer science
Load forecasting
Artificial neural networks
Very short term
Artificial intelligence
Ciência da computação
Previsão de carga
Redes neurais artificiais
Curtíssimo Prazo
Inteligência artificial
CNPQ::CIENCIAS EXATAS E DA TERRA
description The problem of load forecasting is a very important component of strategic planning and operation of systems for generation, transmission and distribution of electric energy. Due to their degree of importance and appeal of this issue, this study highlights the relevant features, diferente techniques and methods which involve the problem of load forecasting in the very short term through studies in the literature. Additionally, this work focuses mainly on methods based on Artificial Neural Networks, from artificial intelligence precisely for its high degree of generalization from which he received wide use in scientific work in recent decades. Based on these methods, this paper will demonstrate, through a computer system, the results of the load forecasts and analysis for very short term, given the different parameters discussed.
publishDate 2010
dc.date.none.fl_str_mv 2010-07-12
2017-06-01T13:53:41Z
2017-06-01T13:53:41Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://dspace.unipampa.edu.br/jspui/handle/riu/1539
url http://dspace.unipampa.edu.br/jspui/handle/riu/1539
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv pdf
application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do Pampa
Campus Alegrete
publisher.none.fl_str_mv Universidade Federal do Pampa
Campus Alegrete
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNIPAMPA
instname:Universidade Federal do Pampa (UNIPAMPA)
instacron:UNIPAMPA
instname_str Universidade Federal do Pampa (UNIPAMPA)
instacron_str UNIPAMPA
institution UNIPAMPA
reponame_str Repositório Institucional da UNIPAMPA
collection Repositório Institucional da UNIPAMPA
repository.name.fl_str_mv Repositório Institucional da UNIPAMPA - Universidade Federal do Pampa (UNIPAMPA)
repository.mail.fl_str_mv sisbi@unipampa.edu.br
_version_ 1842255697560993792