Busca avançada
Ano de início
Entree
Conteúdo relacionado
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

Multiple households very short-term load forecasting using bayesian networks {*}

Texto completo
Autor(es):
Bessani, Michel [1] ; Massignan, Julio A. D. [2] ; Santos, Talysson M. O. [2] ; London Jr, Joao B. A. ; Maciel, Carlos D. [3]
Número total de Autores: 5
Afiliação do(s) autor(es):
[1] Univ Fed Minas Gerais, UFMG Belo Horizonte, Dept Elect Engn, Belo Horizonte, MG - Brazil
[2] Univ Sao Paulo, USP Sao Carlos, Dept Elect & Comp Engn, Sao Carlos, SP - Brazil
[3] London Jr, Jr., Joao B. A., Univ Sao Paulo, USP Sao Carlos, Dept Elect & Comp Engn, Sao Carlos, SP - Brazil
Número total de Afiliações: 3
Tipo de documento: Artigo Científico
Fonte: Electric Power Systems Research; v. 189, DEC 2020.
Citações Web of Science: 0
Resumo

Load forecasting is essential for different activities on power systems, and there is extensive research on approaches for forecasting in different time horizons, from next-hour to decades. However, because of higher uncertainty and variability compared to aggregated or medium and high voltage, the forecasting of the individual household load is a current challenge. This paper presents a load forecasting for multiple households using Bayesian networks. Our model, which is multivariate, uses past consumption, temperature, socioeconomic and electricity usage aspects to forecast the next instant household load value. It was tested using real data from the Irish smart meter project and its performance was compared with other forecasting methods. Results have shown that the proposed approach provides consistent single forecast model for hundreds of households with different consumption patterns, showing a generalisation capability in an efficient manner. (AU)

Processo FAPESP: 16/19646-6 - Estimador de estado trifásico multiárea para sistemas de distribuição de larga escala
Beneficiário:Julio Augusto Druzina Massignan
Linha de fomento: Bolsas no Brasil - Doutorado
Processo FAPESP: 18/00214-4 - Estimadores de estado para sistemas de distribuição: abordagens clássicas e novos algoritmos para o Smart Grid
Beneficiário:Julio Augusto Druzina Massignan
Linha de fomento: Bolsas no Exterior - Estágio de Pesquisa - Doutorado
Processo FAPESP: 14/50851-0 - INCT 2014: Instituto Nacional de Ciência e Tecnologia para Sistemas Autônomos Cooperativos Aplicados em Segurança e Meio Ambiente
Beneficiário:Marco Henrique Terra
Linha de fomento: Auxílio à Pesquisa - Temático