Previsão de Carga Elétrica com Redes Neurais NARX Incorporando Variáveis Exógenas

- 337506
Resumo
Favoritar este trabalho
Como citar esse trabalho?
Resumo

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.

Compartilhe suas ideias ou dúvidas com os autores!

Sabia que o maior estímulo no desenvolvimento científico e cultural é a curiosidade? Deixe seus questionamentos ou sugestões para o autor!

Faça login para interagir

Tem uma dúvida ou sugestão? Compartilhe seu feedback com os autores!

Instituições
  • 1 Universidade Estadual Paulista (Unesp) Júlio de Mesquita Filho
  • 2 Universidade Estadual Paulista 'Júlio de Mesquita Filho'
  • 3 Faculdade de Engenharia de Ilha Solteira, Universidade Estadual Paulista (UNESP)
Eixo Temático
  • ST06 - Matemática Aplicada às Engenharias
Palavras-chave
Previsão de Carga Elétrica
Redes Neurais Artificiais
NARX
Variáveis Exógenas