A SHORT-TERM LOAD FORECASTING MODEL USING NEURAL NETWORK AND FUZZY LOGIC.
CONSELHO NACIONAL DE DESENVOLVIMENTO CIENTÍFICO E TECNOLÓGICO === O objetivo principal desta dissertação é desenvolver um método de previsão de carga elétrica de curto prazo (previsão horária), através de um sistema híbrido (Redes Neurais e Lógica Fuzzy) utilizando temperaturas máximas e mínimas...
Main Author: | |
---|---|
Other Authors: | |
Language: | Portuguese |
Published: |
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO
2003
|
Online Access: | http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=3525@1 http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=3525@2 |
id |
ndltd-IBICT-oai-MAXWELL.puc-rio.br-3525 |
---|---|
record_format |
oai_dc |
spelling |
ndltd-IBICT-oai-MAXWELL.puc-rio.br-35252019-03-01T15:33:11Z A SHORT-TERM LOAD FORECASTING MODEL USING NEURAL NETWORK AND FUZZY LOGIC. MODELO DE PREVISÃO DE CARGA DE CURTO PRAZO UTILIZANDO REDES NEURAIS E LÓGICA FUZZY FLAVIA CRISTINA DA COSTA SERRAO REINALDO CASTRO SOUZA REINALDO CASTRO SOUZA TUFI MACHADO SOARES GUTEMBERG HESPANHA BRASIL JOAO CARLOS DE OLIVEIRA AIRES JOAO CARLOS DE OLIVEIRA AIRES CONSELHO NACIONAL DE DESENVOLVIMENTO CIENTÍFICO E TECNOLÓGICO O objetivo principal desta dissertação é desenvolver um método de previsão de carga elétrica de curto prazo (previsão horária), através de um sistema híbrido (Redes Neurais e Lógica Fuzzy) utilizando temperaturas máximas e mínimas como variáveis explicativas. Como primeiro passo, foram definidos os perfis homogêneos das curvas de carga diárias através de um classificador utilizando os Mapas Auto Organizáveis (Self-Organizing Maps- SOM). Um previsor será adicionado ao esquema de previsão através da Lógica Fuzzy que associará as variáveis climáticas aos perfis criados pela SOM produzindo as previsões. O modelo foi aplicado em dados de duas concessionárias de energia elétrica do Brasil usando dados horários coletados durante dois anos. This dissertation presents a short-term load forecasting procedure mixing a classifier scheme and a predictive scheme. The classifier is implemented through an artificial neural network using a non-supervised learning procedure (SOM). Concerning the predictive scheme, a fuzzy logic procedure uses climatic variables and their prediction to choose the appropriate profiles created by SOM and then combines them to produce the desired forecast. The model is applied to two utilities in Brazil using hourly observations collected during two calendar years and the results obtained, in terms of mean absolute percentage error (MAPE) through the period analyzed, are presented. 2003-03-21 info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/masterThesis http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=3525@1 http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=3525@2 por info:eu-repo/semantics/openAccess PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO PPG EM ENGENHARIA ELÉTRICA PUC-Rio BR reponame:Repositório Institucional da PUC_RIO instname:Pontifícia Universidade Católica do Rio de Janeiro instacron:PUC_RIO |
collection |
NDLTD |
language |
Portuguese |
sources |
NDLTD |
description |
CONSELHO NACIONAL DE DESENVOLVIMENTO CIENTÍFICO E TECNOLÓGICO === O objetivo principal desta dissertação é desenvolver um
método de previsão de carga elétrica de curto prazo
(previsão horária), através de um sistema híbrido
(Redes Neurais e Lógica Fuzzy) utilizando temperaturas
máximas e mínimas como variáveis explicativas. Como
primeiro passo, foram definidos os perfis homogêneos das
curvas de carga diárias através de um classificador
utilizando os Mapas Auto Organizáveis (Self-Organizing Maps-
SOM). Um previsor será adicionado ao esquema de previsão
através da Lógica Fuzzy que associará as variáveis
climáticas aos perfis criados pela SOM produzindo as
previsões.
O modelo foi aplicado em dados de duas concessionárias de
energia elétrica do Brasil usando dados horários coletados
durante dois anos. === This dissertation presents a short-term load forecasting
procedure mixing a classifier scheme and a predictive
scheme. The classifier is implemented through
an artificial neural network using a non-supervised
learning procedure (SOM). Concerning the predictive scheme,
a fuzzy logic procedure uses climatic variables and their
prediction to choose the appropriate profiles created by
SOM and then combines them to produce the desired forecast.
The model is applied to two utilities in Brazil using
hourly observations collected during two calendar years and
the results obtained, in terms of mean absolute percentage
error (MAPE) through the period analyzed, are presented. |
author2 |
REINALDO CASTRO SOUZA |
author_facet |
REINALDO CASTRO SOUZA FLAVIA CRISTINA DA COSTA SERRAO |
author |
FLAVIA CRISTINA DA COSTA SERRAO |
spellingShingle |
FLAVIA CRISTINA DA COSTA SERRAO A SHORT-TERM LOAD FORECASTING MODEL USING NEURAL NETWORK AND FUZZY LOGIC. |
author_sort |
FLAVIA CRISTINA DA COSTA SERRAO |
title |
A SHORT-TERM LOAD FORECASTING MODEL USING NEURAL NETWORK AND FUZZY LOGIC. |
title_short |
A SHORT-TERM LOAD FORECASTING MODEL USING NEURAL NETWORK AND FUZZY LOGIC. |
title_full |
A SHORT-TERM LOAD FORECASTING MODEL USING NEURAL NETWORK AND FUZZY LOGIC. |
title_fullStr |
A SHORT-TERM LOAD FORECASTING MODEL USING NEURAL NETWORK AND FUZZY LOGIC. |
title_full_unstemmed |
A SHORT-TERM LOAD FORECASTING MODEL USING NEURAL NETWORK AND FUZZY LOGIC. |
title_sort |
short-term load forecasting model using neural network and fuzzy logic. |
publisher |
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO |
publishDate |
2003 |
url |
http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=3525@1 http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=3525@2 |
work_keys_str_mv |
AT flaviacristinadacostaserrao ashorttermloadforecastingmodelusingneuralnetworkandfuzzylogic AT flaviacristinadacostaserrao modelodeprevisaodecargadecurtoprazoutilizandoredesneuraiselogicafuzzy AT flaviacristinadacostaserrao shorttermloadforecastingmodelusingneuralnetworkandfuzzylogic |
_version_ |
1718986064439279616 |