Previsão de carga em sistemas elétricos de potência: um estudo com enfoque baseado no uso de métodos de machine learning

• Main Author: Silva, Vinicius Rodrigues
• Publication Date: 2022
• Format: Bachelor thesis
• Language: por
• Source: Repositório Institucional da UNESP
• Download full: http://hdl.handle.net/11449/237282
• topic: Previsão de Carga; Curto Prazo; Rede Neural Artificial; Aprendizado de máquina.; Load forecast; Short term; Artificial neural network; Machine learning

Com o intuito de atender o gerenciamento da demanda de energia, a previsão de carga é um componente vital para os sistemas de energia. O principal papel de uma organização de energia elétrica é fornecer energia elétrica de forma segura e econômica, mantendo a qualidade. Em sistemas de energia, a previsão de carga é uma questão essencial e tem sido amplamente estudada para obter resultados de previsão de carga mais precisos. Como em sistemas de energia, a geração de energia do dia seguinte deve ser programada todos os dias, a Previsão de Carga de Curto Prazo (PCCP) é uma tarefa diária importante para as empresas de energia. A PCCP representa a previsão de carga elétrica para um período de algumas horas a vários dias. Neste trabalho de graduação será usado um método no contexto das Redes Neurais Artificiais (RNA). RNA é um método que imita a forma como o cérebro humano processa informações. Vários tipos de RNAs foram apresentados nesta pesquisa, dentre eles a Rede Neural Feedforward, com treinamento via Algoritmo Levenberg-Marquardt Retropropagado, foi utilizada para criar um modelo PCCP. O erro percentual médio absoluto (MAPE) foi usado como métrica para avaliar o desempenho dos resultados da previsão. Por meio de avaliações detalhadas de desempenho, esta pesquisa evidencia que o modelo PCCP apresentado é capaz de prever com precisão a carga elétrica do dia seguinte atendendo às exigência do setor elétrico (MAPE igual, ou inferior a 5%).