Use este identificador para citar ou linkar para este item: http://www.monografias.ufop.br/handle/35400000/5290
Título: Análise e previsão de carga elétrica via redes neurais convolucionais.
Autor(es): Brangioni, Guilherme Braga
Orientador(es): Santos, André Almeida
Reis, Agnaldo José da Rocha
Membros da banca: Santos, André Almeida
Reis, Agnaldo José da Rocha
Santana, Adrielle de Carvalho
Palavras-chave: Redes neurais - computação
Convolutional neural
Análise de séries temporais
Redes neural convolucional
Inteligência artificial
Data do documento: 2023
Referência: BRANGIONI, Guilherme Braga. Análise e previsão de carga elétrica via redes neurais convolucionais. 2023. 40 f. Monografia (Graduação em Engenharia de Controle e Automação) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2023.
Resumo: As redes neurais artificiais têm se expandido e consolidado ao longo do tempo. Dentre suas aplicações, destacam-se a previsão de carga elétrica (i.e. demanda energética de um sistema) aplicando-se metodologias de análise de séries temporais e operações de convolução, identifica ção e classificação comportamental violento ou não violento, demandas industriais, e aplicações de segurança e controle operacional. Neste trabalho, uma série temporal contendo valores de carga elétrica foi avaliada por uma rede neural convolucional, que realizou a previsão da carga dentro de uma janela de tempo. A previsão da carga pode garantir um planejamento eficiente das manutenções nos equipamentos de geração, transmissão e distribuição de energia elétrica, realo cação eficiente das cargas do sistema, identificação de obstáculos no cenário energético, além de auxiliar na identificação de melhorias no sistema. A métrica aplicada do RMSE apresentou erro de 0, 028% para a previsão da carga elétrica no subsistema elétrico Sudeste/Centro-Oeste de Minas Gerais, o qual demonstra a eficiência do método utilizado.
Resumo em outra língua: Artificial Neural Networks are expanding and establishing over time. Between it’s applications, electric load prediction (i.e. electrical demand) using Time Series analisys and convolution operations, violent or non-violent behavior classification and identification, industrial needs, and security and operational control are some applications that stands out. On this thesis, a time serie containing electric load values was evaluated by a convolutional neural network, and predicted the load in a specific period. The load prediction can provide an eficient maintenance schedule on generation, transmission and distribution electrical equipments, eficient load allocation, obstacle identification on electrical systems, furthermore, helps on improvements in general. The proposed methodology had an RMSE error close to 0, 028% for the electric load prediction on Southeast/Middle West Minas Gerais Subsystem, that shows the method efficiency.
URI: http://www.monografias.ufop.br/handle/35400000/5290
Aparece nas coleções:Engenharia de Controle e Automação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MONOGRAFIA_AnalisePrevisaoCarga.pdf5,18 MBAdobe PDFVisualizar/Abrir


Este item está licenciado sob uma Licença Creative Commons Creative Commons