Para citar este trabalho use um dos padrões abaixo:
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.
Visualizações por mês
Contagem da Galoá, excluindo robôs conhecidos. Atualizado em 30/09/2026.
Visualizações por mês
Contagem da Galoá, excluindo robôs conhecidos. Atualizado em 30/09/2026.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo