Notícias

Banca de QUALIFICAÇÃO: EDUARDO HENRIQUE COSTA BARBOSA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: EDUARDO HENRIQUE COSTA BARBOSA
DATA: 04/07/2019
HORA: 08:30
LOCAL: ENGENHARIA ELÉTRICA BLOCO 08.
TÍTULO: Aplicação de Algoritmos de Agrupamento de Dados e de Redes Neurais Dinâmicas para a Previsão de Demanda em Sistemas de Distribuição de Energia
PALAVRAS-CHAVES: previsão de carga. combinação de agrupamentos. redes dinâmicas. Redes neurais. rede NARX. rede LSTM. rede FTDNN
PÁGINAS: 85
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
RESUMO:

A previsão de carga é um assunto importante e fonte de muitos estudos em pesquisas atuais. Isso se deve às vantagens que um processo de previsão robusto pode oferecer no planejamento e operação de sistemas de energia. Nesta dissertação é proposta uma metodologia de previsão de curvas de carga baseada em combinação de algoritmos de agrupamento por meio de função consenso e uso de redes neurais dinâmicas. São utilizadas como base um conjunto de partições oriundas  dos algoritmos k-means e minCEntropy. Desta forma, é feita a previsão recursiva destas curvas, com discretização de 5 minutos, totalizando 24 horas e um horizonte de previsão de 288 passos a frente. Para esta finalidade é proposto o uso de duas redes neurais com memórias de longo prazo, a NARX (Nonlinear Autorregressive with Exogenous Inputs) e a LSTM (Long Short-Term Memory), além do uso da rede com atrasos de tempo na entrada FTDNN (Focused Time Delay Neural Network). O treinamento a partir da partição consenso se mostrou capaz de fornecer às redes neurais dados cujas características refletem as sazonalidades e periodicidades intrínsecas a este tipo de série temporal. Além disso, foi utilizada uma metodologia que contempla toda a etapa de pré-processamento, evitando que possíveis dados corrompidos por eventuais problemas relacionados a distúrbios ou falhas nos equipamentos de medição/aquisição dos dados possam interferir no desempenho dos algoritmos de agrupamento e das redes neurais. Foram utilizados dados reais de uma concessionária de distribuição de energia elétrica. Os índices de desempenho NMSE e MAPE mostraram que os modelos propostos foram capazes de fornecer baixos erros de previsão, podendo vir a ser uma alternativa eficiente frente a outros modelos de previsão comumente empregados.


MEMBROS DA BANCA:
Presidente - 959.082.183-91 - HERMES MANOEL GALVÃO CASTELO BRANCO - UESPI
Interno - 1785470 - JOSE MARIA PIRES DE MENEZES JUNIOR
Interno - 1544138 - LUIS GUSTAVO MOTA SOUZA
Notícia cadastrada em: 01/07/2019 08:55
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb06.ufpi.br.instancia1 28/03/2024 19:54