FORECASTING HOURLY ELECTRICITY LOAD FOR LIGHT

• Main Author: ANA PAULA BARBOSA SOBRAL
• Other Authors: REINALDO CASTRO SOUZA
• Language: Portuguese
• Published: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO 1999
• Online Access: http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=7464@1; http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=7464@2

Nessa dissertação é desenvolvido um modelo de previsão de curto prazo para cargas horárias empregando informações climáticas. Tal modelo é montado para a companhia de eletricidade LIGHT. O modelo proposto combina diferentes metodologias, são elas: Redes Neurais, Métodos Estatísticos e Lógica Nebulosa. Primeiramente, emprega-se o Mapa Auto-Organizável de Kohonen para identificar as curvas típicas de carga que são incluídas em um modelo de previsão estatística. Com intuito de melhorar o desempenho do modelo em termos do erro de previsão é adicionado, através de Lógica Nebulosa, o efeito da temperatura na carga. Por fim, é montado um procedimento com alguns conceitos de Lógica Nebulosa para identificar o tipo de curva de carga do dia a ser previsto. === In the dissertation a new model to short-term forecasting of hourly loads using weather information is developed. This model was developed for the electricity distributing utility LIGHT and it combines different methodologies, namely: Neural Networks, Statistical Methods and Fuzzy Logic. First, the Kohonen Self-Organizing Map makes the identification of the load curves profiles and these are included in the statistical model. In order to improve the performance of the model in terms of forecasting error, the effect of temperature on the load is inserted by means of Fuzzy Logic. Finally, a procedure with some concepts of Fuzzy Logic was established to identify the type of curve of the day to be forecasted.