Previsão de cargas elétricas através de redes neuro-fuzzy

• Processo: 13/20370-7
• Linha de fomento: Bolsas no Brasil - Iniciação Científica
• Vigência (Início): 01 de novembro de 2013
• Vigência (Término): 31 de maio de 2014
• Área do conhecimento: Engenharias - Engenharia Elétrica - Sistemas Elétricos de Potência
• Pesquisador responsável: Mara Lúcia Martins Lopes
• Beneficiário: Thaís Jampaulo Xavier
• Instituição-sede: Faculdade de Engenharia (FEIS). Universidade Estadual Paulista (UNESP). Campus de Ilha Solteira. Ilha Solteira , SP, Brasil
• Assunto(s): Linguística computacional Lógica fuzzy Inteligência artificial Redes neurais (computação) Sistemas elétricos Descarga elétrica MATLAB

Resumo

A Previsão de cargas elétricas é muito importante para planejamento e operação de sistemas elétricos. O conhecimento futuro da carga auxilia no bom desempenho dos sistemas elétricos, isto é, fornecimento de energia com qualidade, segurança e confiabilidade. Na literatura os métodos estatísticos tradicionais, por exemplo, o ARIMA (AutoRegressive Integrated Moving Average) de Box & Jenkins são muito utilizados para solução do problema de previsão, contudo, as redes neurais artificiais se tornaram bastante interessantes e muito utilizadas na resolução deste problema. Existem inúmeras arquiteturas de redes neurais que podem ser utilizadas em diversas aplicações, porém, pode-se notar que a junção de tal metodologia com demais sistemas inteligentes (lógica nebulosa, algoritmo genético, etc.) favorece uma nova arquitetura muito mais poderosa que as arquiteturas convencionais. Este trabalho pretende utilizar duas técnicas que são as Redes Neurais Artificiais (RNAs) e a lógica nebulosa (lógica fuzzy) no desenvolvimento do sistema neuro-fuzzy e aplicá-la no problema de previsão de carga elétrica a curto-prazo. Na literatura, encontram-se inúmeros artigos que utilizam as toolboxes do Matlab, uma ferramenta bastante difundida nos meios acadêmicos, porém, o principal objetivo deste trabalho será desenvolver um algoritmo em uma linguagem computacional (Fortran, C++, Matlab, etc.) para implementação da rede neuro-fuzzy e posteriormente aplicá-lo na previsão de cargas elétricas a curto prazo.