Previsão de cargas elétricas através do backpropagation estocástico
DOI:
https://doi.org/10.5540/03.2021.008.01.0463Palabras clave:
Redes Neurais Artificiais, Backpropagation, Processo Estocástico, Previsão de Cargas ElétricasResumen
A previsão de cargas elétricas vem se tornando uma atividade imprescindível para o funcionamento e operação dos sistemas elétricos de potência, tendo estes como objetivo fornecer energia elétrica aos consumidores de maneira segura, eficaz e com menor custo de geração possível. O modelo proposto do sistema previsor de cargas elétricas é de natureza computacional, fundamentado em uma rede neural Perceptron, via algoritmo backpropagation estocástico, visando a convergência da rede neural e escapando dos mínimos locais que são problemas apresentados pelo algoritmo backpropagation convencional. Os resultados obtidos na comparação se baseiam no mesmo banco de dados históricos de uma companhia de setor elétrico brasileiro.
Descargas
Citas
Guirelli, C. R.Previs ̃ao da carga de curto prazo de ́areas el ́etricas atrav ́es de t ́ecnicas deinteligˆencia artificial, Tese (Doutorado) - Universidade de S ̃ao Paulo, 2006.
Haykin.A comprehensive foundation, Publications Neural networks, volume 2, chapter 2004,pages 41, 2004.
Hodgkin, A. L. and Huxley, A. F.A quantitative description of membrane current and itsapplication to conduction and excitation in nerve, The Journal of physiology, Wiley-Blackwell,v.117, n.4, p.500, 1952.
Nogueira, F. Cadeias de Markov, Notas de Aula, Universidade Federal de Juiz de Fora, 2009.[5] O’Donovan, T. M.Short term forecasting: An introduction to the Box-Jenkins approach,JOHN WILEY & SONS, INC., 605 THIRD AVE., NEW YORK, NY 10158, USA, 1983,256, 1983.
Silva, I. D., Spatti, D. H. e Flauzino, R. A.Redes neurais artificiais para engenharia e ciˆenciasaplicadas, Sage S ̃ao Paulo: Artliber, v.23, n.5, p.33-111, 2010.
Simpson, P. K.Artificial neural systems: foundations, paradigms, applications, and imple-mentations, Elsevier Science Inc., 1989.
Tang, Z., Almeida, C. D. and Fishwick, P. A.ITime series forecasting using neural networksvs. Box-Jenkins methodology, Sage Publications Sage CA: Thousand Oaks, CA, v.57, n.5, p.303-310, 1991.
Wasserman, P. D.Advanced methods in neural computing. Publications,John Wiley & Sons,Inc., 1993.
Werbos, P. J.The roots of backpropagation: from ordered derivatives to neural networks andpolitical forecasting, John Wiley & Sons, v.1, 1994.[11] Widrow, B. and Lehr, M. A.30 years of adaptive neural networks: perceptron, madaline, andbackpropagation, Proceedings of the IEEE, IEEE, v.78, n.9, p. 1415-1442, 1994.
