Texto completo
| |
| Autor(es): |
Mara Lúcia Martins Lopes
Número total de Autores: 1
|
| Tipo de documento: | Tese de Doutorado |
| Imprenta: | Ilha Solteira. 2014-06-11. |
| Instituição: | Universidade Estadual Paulista (Unesp). Faculdade de Engenharia. Ilha Solteira |
| Data de defesa: | 2005-10-27 |
| Orientador: | Carlos Roberto Minussi |
| Resumo | |
Nos dias atuais, principalmente pelo fato de alguns sistemas serem desregulamentados, o estudo dos problemas de análise, planejamento e operação de sistemas de energia elétrica é de extrema importância para o funcionamento do sistema. Para isso é necessário que se obtenha, com antecedência, o comportamento da carga elétrica com o propósito de garantir o fornecimento de energia aos consumidores de forma econômica, segura e contínua. Este trabalho propõe o desenvolvimento de redes neurais artificiais utilizadas para resolver o problema de previsão de cargas elétricas. Para tanto, inicialmente, propôs-se a introdução de melhorias na rede neural feedforward com treinamento realizado utilizando o algoritmo retropropagação. Neste caso, foi desenvolvida/implementada a adaptação dos parâmetros de inclinação e translação da função sigmóide (função de ativação da rede neural). A inclusão desta nova estrutura de redes neurais produziu melhores resultados, se comparado à rede neural retropropagação convencional. Essas arquiteturas proporcionam bons resultados, porém, são estruturas de redes neurais que possuem o problema de convergência. O problema de previsão de cargas elétricas a curto-prazo necessita de uma rede neural que forneça uma saída de forma rápida e eficaz. No intuito de solucionar os problemas encontrados com o algoritmo retropropagação foi desenvolvida/implementada uma rede neural baseada na arquitetura ART (Adaptive Rossonance Theory), denominada rede neural ART&ARTMAP nebulosa, aplicada ao problema de previsão de carga elétrica. Trata-se, por conseguinte, da principal contribuição desta tese. As redes neurais, baseadas na arquitetura ART, possuem duas características fundamentais que são de extrema importância para o desempenho da rede (estabilidade e plasticidade), que permite a implementação do treinamento de modo contínuo... (AU) | |