Metodologia para previsão de carga no horizonte de curto prazo utilizando redes neurais
Abstract
Atualmente a competividade e a inserção de novas tecnologias no setor elétrico condicionam empresas
a encontrar formas de melhorar a qualidade da prestação dos seus serviços e garantir lucratividade. A
atividade de previsão de carga no curto prazo é indispensável para subsidiar o planejamento e a operação
dos sistemas elétricos, visando tornar a oferta de energia estável e confiável. Para realizar a previsão de
carga utilizando Redes Neurais Artificiais (RNA) é necessário avaliar as variáveis envolvidas no
comportamento da curva de carga diária. Através da avaliação e obtenção das variáveis disponíveis mais
influentes no comportamento da carga, é possível então utiliza-las como entrada do modelo RNA
adotado. As redes neurais artificias são modelos computacionais inspirados na simplificação do
funcionamento dos neurônios biológicos, com a capacidade de aprendizado a partir da experiência com
as entradas do sistema. São semelhantes ao cérebro devido às características de conhecimento adquirido
por um processo de aprendizagem e conexões entre seus neurônios utilizadas para armazenar o
conhecimento adquirido. Uma rede neural possuiu alto poder de generalizar informações após uma fase
de aprendizagem, possibilitando capturar relações funcionais entre os dados produzindo uma saída
próxima daquela esperada. O processo de aprendizagem ou treinamento da rede consiste na aplicação
de etapas ordenadas necessárias para que ocorra a sintonização dos pesos sinápticos e limiares de seus
neurônios, visando à produção da generalização de soluções pelas suas saídas. O objetivo do treinamento
da rede é tornar a aplicação de um conjunto de entradas em um conjunto de saídas desejadas. As
ferramentas utilizando as técnicas de inteligência artificial vêm sendo aperfeiçoadas, permitindo a sua
aplicação em diversas áreas do conhecimento, se destacando entre as principais técnicas utilizadas para
realizar previsão de carga no curto prazo, sendo atualmente muito pesquisadas e empregadas para este
fim. Desse modo, a sua utilização vem demonstrando resultados mais acurados em relação aos métodos
tradicionais, pois conseguem desenvolver de melhor forma o processamento matemático requerido. Este
trabalho apresenta uma proposta de previsão da curva de carga diária para um dia à frente aplicado a
dados reais de energia, demanda e temperatura, pois são as variáveis que melhor representam o
comportamento da carga no curto prazo; para isto foi implementado um modelo desenvolvido com redes
neurais perceptron de múltiplas camadas, utilizando o algoritmo de aprendizagem Levenberg-
Marquardt. Os resultados encontrados foram satisfatórios e aceitáveis comparados aos apresentados na
revisão bibliográfica, sendo suficientes para aplicação prática atendendo a proposta deste trabalho.
Collections
The following license files are associated with this item: