Análise da Influência da Temperatura para Previsão de Potência Máxima em Subestações Utilizando Redes Neurais
Os estudos de previsão de demanda têm grande importância para empresas do ramo de energia elétrica, pois existe a necessidade de alocação de recursos com antecedência, exigindo um planejamento a curto, médio e longo prazo. Tais recursos incluem a compra de equipamentos, aquisição e construção de linhas de transmissão, manutenções preventivas e comércio de energia. Diante disso, foi desenvolvida uma ferramenta computacional de apoio aos especialistas da área de planejamento estratégico em sistemas de distribuição elétrica, utilizando Redes Neurais Artificiais (RNA) para previsão da potência ativa demandada, além de incluir a temperatura como fator de influência externo. Na metodologia proposta, foi implementado um sistema de previsão a curto prazo para a subestação de uma cidade da Paraíba, utilizando técnicas computacionais de inteligência artificial baseadas em Redes Neurais Artificiais, com auxílio do software Matlab. Para isso, foram utilizados dados de potência ativa, fornecidos pela concessionária de energia, e o histórico dos valores de temperatura locais foram obtidos através da base de dados do Instituto Nacional de Meteorologia (INMET), para o ano de 2008. A janela de previsão utilizada foi de 12 valores atrasados para fornecer um horizonte de 4 dias. Finalmente, a acurácia das redes obtidas via treinamento foi medida considerando o MAPE e erro relativo percentual.
Análise da Influência da Temperatura para Previsão de Potência Máxima em Subestações Utilizando Redes Neurais
-
DOI: 10.22533/at.ed.7342122029
-
Palavras-chave: Previsão de Demanda, Distribuição de Energia Elétrica; Previsão de Séries Temporais; Redes Neurais Artificiais; Inteligência Artificial
-
Keywords: Load Forecasting; Electric Power Distribution; Time Series Forecasting; Artificial Neural Networks; Artificial Intelligence.
-
Abstract:
Load forecasting studies are of great importance for companies in the electric energy sector, because there is a need to allocate resources in advance, requiring short, medium and long-term planning. These resources include the purchase of equipment, acquisition and construction of transmission lines, preventive maintenance and commercialization of energy. Therefore, a computational tool was developed to support specialists in the area of strategic planning in electrical distribution systems, using Artificial Neural Networks to forecasting demand, and including temperature as an external factor. In the proposed methodology, a short-term forecasting system was implemented for a real substation, using computer artificial intelligence techniques based on Artificial Neural Networks, using Matlab software. For this, were used active power data provided by the power utility, and the history of local temperature values were obtained from INMET’s website, all for the year 2008. The forecast window used was 12 lagged values to obtain the following 4. Finally, the accuracy of the networks obtained from training were measured considering MAPE and percentage error.
-
Número de páginas: 18
- Pedro Henrique Meira de Andrade
- Isaac Emmanuel Azevedo de Medeiros
- Juan Moises Mauricio Villanueva
- Thommas Kevin Sales Flores
