Prognóstico de demanda de potência elétrica para planejamento e operação de sistemas elétricos

• Main Author: Martin, Claudio
• Other Authors: Universidade Federal de Santa Catarina
• Format: Others
• Language: Portuguese
• Published: Florianópolis, SC 2013
• Subjects: Engenharia de produção; Sistemas elétricos; Planejamento
• Online Access: http://repositorio.ufsc.br/handle/123456789/101749

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnologico. Programa de Pós-Graduação em Engenharia de Produção === Made available in DSpace on 2013-07-15T23:06:39Z (GMT). No. of bitstreams: 1 224285.pdf: 2388221 bytes, checksum: c158e3cabf9161b337f2c705f9867968 (MD5) === O objeto da pesquisa é o estudo das técnicas utilizadas para o prognóstico de demandas de potência elétrica, apresentadas na forma de séries temporais, motivado pela necessidade de definir valores futuros com base em valores históricos, visando a utilização em estudos de planejamento de curto prazo de sistemas elétricos, utilizando a máquina de vetor de suporte como ferramenta de treinamento e prognóstico. A máquina de vetor de suporte desenvolvida nos anos 90, baseada na teoria estatística da aprendizagem se apresenta como uma máquina de aprendizagem universal, em que não é necessário determinar a priori o número de neurônios da camada de entrada, o qual é definido ao longo do processo. O projeto da máquina depende da extração de um subconjunto, dos dados de treinamento, que servirão como vetores suporte, representando uma característica estável do conjunto de dados de treinamento, evitando o excesso de ajuste da máquina de aprendizagem. A pesquisa efetuada apresenta as principais formulações existentes para regressão de séries temporais, focando sobre o desenvolvimento da máquina de vetor de suporte, apresentando um estudo de caso com série temporal de demanda de potência. Os resultados encontrados com a utilização da máquina de vetor de suporte são compatíveis com as necessidades do planejamento e operação de sistemas elétricos, apresentando erros de prognóstico menores, na ordem de 16,3% para os prognósticos dos perfis de demanda de meio de semana(terça a sexta-feira), e, de 37,3% para os prognósticos dos perfis de final de semana(sábado, domingo e segunda-feira), comparativamente com aqueles obtidos com a rede de função de base radial.