To cite this paper use one of the standards below:
A previsão de carga elétrica é fundamental para o planejamento e a operação de sistemas de energia. Entretanto, a presença de padrões sazonais e relações não lineares torna essa tarefa desafiadora. Neste trabalho, investiga-se a aplicação de uma rede neural NARX (Nonlinear Autoregressive Network With Exogenous Inputs) para a previsão de carga elétrica, incorporando variáveis exógenas associadas à hora do dia e ao dia da semana. A série temporal analisada corresponde ao consumo de energia elétrica na Nova Zelândia, com medições registradas a cada 30 minutos ao longo de 372 dias. Inicialmente, foi realizada uma análise exploratória da série utilizando o software R, a fim de identificar padrões, tendências e sazonalidade. Em seguida, a rede NARX foi treinada no MATLAB utilizando o algoritmo de otimização Levenberg–Marquardt. Os resultados indicam que o modelo foi capaz de capturar adequadamente os padrões presentes na série temporal, apresentando bom desempenho na tarefa de previsão. Esses resultados evidenciam o potencial das redes neurais NARX para a modelagem de séries temporais de carga elétrica com a incorporação de variáveis exógenas.
Views per month
Galoá count, excluding known robots. Updated on 30/09/2026.
Views per month
Galoá count, excluding known robots. Updated on 30/09/2026.
With nearly 200,000 papers published, Galoá empowers scholars to share and discover cutting-edge research through our streamlined and accessible academic publishing platform.
Learn more about our products:
This proceedings is identified by a DOI , for use in citations or bibliographic references. Attention: this is not a DOI for the paper and as such cannot be used in Lattes to identify a particular work.
Check the link "How to cite" in the paper's page, to see how to properly cite the paper